L'IA sur les campus

Greg d'Anthropic présente quatre étudiants universitaires : Zain (LSE, Comptabilité et Finance), Chloe (Princeton, Psychologie et Informatique), Marcus (UC Berkeley, Économie et Science des Données), et Tino (Arizona State University, Transformation Numérique). Le segment introduit l'objectif de la discussion : comprendre comment l'IA transforme l'éducation du point de vue des étudiants eux-mêmes. Les étudiants représentent des perspectives diverses provenant de différentes universités prestigieuses aux États-Unis et au Royaume-Uni. Cette introduction établit le cadre pour une conversation authentique sur l'utilisation de l'IA sur les campus universitaires et son impact réel sur l'apprentissage.

Une enquête révèle que 90% des étudiants utilisent l'IA quotidiennement pour résumer des cours, répondre aux exercices et obtenir des retours sur leurs travaux. Les universités peinent à gérer cette réalité, avec des règles contradictoires où certains cours interdisent l'IA tandis que d'autres l'encouragent. À Berkeley, l'effervescence autour de l'IA dans la Bay Area se fait sentir sur le campus. Les étudiants en commerce utilisent l'IA pour analyser des études de cas, faire des études de marché et même compléter des quiz lorsqu'ils manquent de temps. Cependant, cette utilisation soulève des questions sur le développement de l'esprit critique, particulièrement en master où les étudiants sont censés devenir plus décisifs et développer de la substance dans leur prise de décision.

L'ambiance est décrite comme 'chaotique' avec une distinction nette entre dépendance excessive et véritable coopération avec l'IA. Les étudiants en sciences humaines restent plus hésitants et certains ont complètement renoncé à l'IA, privilégiant la lecture approfondie. En revanche, les étudiants en sciences sociales commencent lentement à adopter l'IA au-delà du contexte informatique. Paradoxalement, dans les cours d'informatique, il reste tabou d'utiliser les assistants de codage IA en classe, même si ces outils sont largement utilisés pour construire de vrais projets en dehors. Stanford commence à proposer des cours sur l'utilisation des outils IA dans le développement logiciel, signalant un changement progressif. Un effet de polarisation identitaire émerge, où certains étudiants adoptent massivement l'IA tandis que d'autres la rejettent totalement.

Claude et d'autres outils IA ont considérablement abaissé les barrières pour créer des logiciels et applications. Des étudiants sans formation informatique peuvent maintenant passer de l'idéation à un prototype fonctionnel en quelques jours, utilisant même le terminal avec confiance grâce à Claude Code. À la LSE, les associations étudiantes qui n'avaient que des pages Instagram basiques construisent maintenant des sites web complets avec beaucoup plus d'informations. Zain témoigne qu'il est maintenant à l'aise avec le terminal sans avoir de formation en informatique, ce qui aurait été impensable auparavant. Cette démocratisation technique permet aux étudiants de tous horizons académiques - sciences politiques, psychologie, mathématiques - de construire leurs propres projets parallèles et d'héberger des applications fonctionnelles sur le web.

Les ambassadeurs Claude dirigent des clubs sur leurs campus pour faciliter l'engagement entre Anthropic et les étudiants. Les projets construits lors des vibe-a-thons révèlent que les idées les plus réussies partent d'émotions humaines authentiques plutôt que de sophistication technique. Des exemples incluent : une gamification du 'Princeton Prospect' (bucket list universitaire) créée par des étudiants de première année, un outil d'annotations de professeur pour diapositives de cours, une application 'Course Here' qui alerte les étudiants quand une place se libère dans un cours populaire, un scanner de salles de classe disponibles pour pallier le manque de places en bibliothèque, et des applications de santé utilisant la vision par ordinateur pour détecter des émotions, signes d'AVC ou de démence. Ces projets démontrent comment les étudiants utilisent leur temps libre à l'université pour expérimenter et créer des solutions pratiques à des problèmes réels.

La discussion aborde le paradoxe central de l'IA éducative : elle peut aider à apprendre ou empêcher l'apprentissage selon son utilisation. Tino observe qu'initialement les étudiants soumettaient directement les réponses de l'IA, mais avec le temps les attitudes évoluent vers plus d'effort personnel. Zain présente une analyse profonde en catégorisant trois objectifs universitaires principaux : apprendre et approfondir sa compréhension, se positionner pour une carrière, et profiter de l'aspect social. L'utilisation de l'IA révèle quelle pondération chaque étudiant donne à ces objectifs. Certains utilisent l'IA pour faire le travail à leur place et gagner du temps, tandis que d'autres l'utilisent de manière proactive pour renforcer leur apprentissage. Zain souligne qu'il est maintenant possible de traverser l'université sans vraiment apprendre, rendant la responsabilité individuelle cruciale, car aucune règle ne peut contrôler efficacement comment les étudiants utilisent l'IA.

Marcus insiste sur l'importance de l'intention avant même de commencer à formuler des prompts : demande-t-on à l'IA d'accomplir directement une tâche ou de nous aider à réfléchir sous différents angles? L'IA excelle comme catalyseur pour implémenter et construire, mais l'intention doit venir des étudiants. Le flux de travail évolue des simples questions-réponses vers des conversations étendues et plus sophistiquées. Marcus utilise maintenant des projets Claude organisés par cours, avec des programmes et contenus intégrés, transformant chaque conversation en fichier dans un dossier thématique. La capacité améliorée des chatbots à gérer le contexte et la mémoire en fait de meilleurs assistants et interlocuteurs. Cependant, la question demeure : combien de temps faudra-t-il avant que les aspects sociétaux et éducatifs rattrapent la vitesse à laquelle la technologie évolue? Certains professeurs demandent simplement aux étudiants de déclarer leur utilisation de l'IA et comment, mais sans cadre intégré dans le programme.

Les professeurs et administrations sont perçus comme étant en retard par rapport aux étudiants en termes de littératie et adoption de l'IA, les étudiants étant naturellement les adopteurs les plus rapides en tant que natifs d'Internet. Zain observe des progrès significatifs dans le cours LSE 100 qui fournit maintenant des directives explicites sur l'utilisation de Claude : donner un persona, avoir des conversations authentiques plutôt que chercher des réponses directes, et soumettre le journal de conversation pour évaluer la qualité des interactions. L'évaluation a évolué vers des présentations vidéo au lieu d'essais écrits, rendant la triche moins viable. Certains cours comme le machine learning créent leurs propres chatbots spécifiques au cours, bien que cette approche soit vue comme un 'pansement' puisqu'elle n'empêche pas les étudiants d'utiliser d'autres outils IA. Arizona State University adopte une approche pro-IA avec une banque de prompts créée par le centre de gestion de carrière et un nouveau cours populaire sur 'Stratégie de l'intelligence artificielle et l'avenir du travail'.

L'université fonctionne actuellement sur un modèle 'taille unique' avec un professeur pour potentiellement deux à trois cents étudiants qui apprennent tous différemment. L'IA peut agir comme un tuteur personnalisé si sollicitée correctement, avec des fonctionnalités comme le mode apprentissage de Claude qui pose des questions en retour pour développer progressivement la compréhension. Cependant, Zain avertit que beaucoup d'étudiants privilégieront simplement un outil qui donne des réponses directes plutôt qu'un qui les fait réfléchir. La triche reste un des trois principaux cas d'usage de l'IA dans les universités : l'interface attend une question, l'université fournit des questions, et il n'a jamais été aussi facile de copier-coller pour obtenir pratiquement le barème de notation. Les étudiants doivent faire preuve de force mentale pour choisir de travailler eux-mêmes sur les problèmes. Chloe observe un 'sentiment de honte de propriété' même chez ceux qui utilisent l'IA de manière constructive, car la ligne entre contribution humaine et contrôle de l'IA reste floue, créant un manque de vocabulaire et de cadres pour considérer ces usages.

Chloe exprime son inquiétude quant à la direction polarisée que prend l'utilisation de l'IA, où les étudiants sont maintenant requis d'être 'résilients à l'ère de l'IA' et doivent être sceptiques à chaque utilisation sans directives institutionnelles claires. Si les écoles ne s'adaptent pas assez rapidement, cette situation risque de se déformer dangereusement. Cependant, elle note que le sentiment change positivement : les étudiants veulent naturellement utiliser leur cerveau pour des sujets qui les intéressent. Après une phase initiale de copier-coller, les gens deviennent plus intéressés à faire quelque chose de plus significatif, à prendre plus de propriété de leurs devoirs et surtout de leurs projets parallèles. Marcus ajoute que les étudiants réalisent aussi que l'IA est 'assez mauvaise pour tricher' car des schémas reconnaissables émergent : tirets longs caractéristiques, ton spécifique, et manque de compréhension du contexte de cours. Cette prise de conscience pousse vers une utilisation plus authentique et personnelle de l'IA.

Les étudiants évoluent dans leur maîtrise de l'IA, passant de l'utilisation de résultats directs à des prompts plus intentionnels et guidés. Zain témoigne avoir passé plus de mille heures à interagir avec Claude, lui permettant de comprendre comment l'outil répond et d'améliorer ses interactions. La majorité des étudiants veulent être stimulés intellectuellement et utilisent de plus en plus les outils IA pour s'améliorer et aller plus loin plutôt que de s'en limiter. Tino souligne l'importance du 'boss final' : la capacité de présenter et défendre ses idées devant un public pendant 10-15 minutes, moment où l'IA ne peut pas parler à votre place. Cette nécessité de présentation orale crée un garde-fou naturel contre la dépendance excessive. Bien qu'il y ait un premier niveau d'utilisation pour des petits quiz, les étudiants doivent ultimement démontrer qu'ils comprennent et peuvent articuler leurs positions, forçant un engagement authentique avec le matériel d'apprentissage.

Les étudiants expriment des sentiments mitigés (pouces 'okay') concernant l'entrée sur le marché du travail après la remise de diplôme. Le bon côté inclut l'utilisation de l'IA comme compagnon pour s'entraîner aux entretiens, faire du brainstorming et adapter les CV. Cependant, les entreprises utilisent massivement l'IA pour filtrer les candidats, créant des expériences moins humaines où les candidats parlent à des écrans plutôt qu'à des personnes. Chloe décrit l'anxiété générée par ces processus automatisés qui rendent la stratégie de candidature plus aléatoire et affectent l'estime de soi. Tino partage la frustration des rejets automatiques 15 minutes après soumission via emails générés par IA. Néanmoins, la maîtrise de l'IA devient un atout majeur : les quatre meilleurs cabinets de conseil recherchent maintenant spécifiquement des MBA avec expertise en IA pour comprendre comment l'appliquer à différentes industries. Marcus a même passé un entretien avec une IA qui donnait des réponses encourageantes ('super stimulante et informative'), bien qu'il n'ait finalement pas obtenu le poste pour des raisons de critères d'éligibilité.

Merriam-Webster a nommé 'slop' mot de l'année, et les étudiants définissent le slop d'IA comme du contenu tellement générique qu'une personne aurait pu produire mieux en utilisant simplement son propre cerveau. Les lettres de motivation générées par IA deviennent un exemple classique : si chaque étudiant postule avec le même contenu générique, personne n'obtient d'avantage. Les réponses d'IA sont devenues si standardisées qu'elles constituent maintenant leur propre 'voix' reconnaissable avec des marqueurs caractéristiques : tirets cadratins excessifs, phrases toutes faites comme 'tu as absolument raison' ou 'laisse-moi réfléchir à ça', et structures répétitives comme 'tu ne réinventes pas la roue, tu construis la prochaine Tesla'. Dans les projets de groupe, le slop devient évident lorsque quelqu'un colle directement un résultat sans édition, parfois avec le message 'Voudriez-vous que Claude continue' ou 'Claude peut faire des erreurs' encore visible. Cette reconnaissance généralisée du slop encourage paradoxalement une utilisation plus authentique et personnalisée de l'IA.

Dans les projets de groupe universitaires comme les rapports de cinq mille mots, des tensions émergent entre étudiants ayant des positions différentes sur l'IA, certains refusant catégoriquement d'utiliser 'leurs sales pattes d'IA'. Marcus partage une approche structurée : utiliser l'IA pour créer un plan initial du document, diviser le travail en sections entre membres, puis laisser chaque personne décider comment utiliser l'IA pour sa partie. Personnellement, il utilise Claude pour structurer ses pensées en passant de points aléatoires à un plan puis à des paragraphes qu'il édite manuellement. Une technique particulièrement utile consiste à demander à Claude d'évaluer le travail du point de vue de l'examinateur (VP, recruteur, professeur) avec des critères spécifiques, noter sur 10, et itérer deux à trois fois pour amélioration. Chloe insiste sur l'importance du temps en face à face : bloquer une plage horaire pour s'asseoir ensemble et parler pendant qu'on travaille réduit la tentation de tout confier à l'IA et renforce la partie humaine de la collaboration.

Les étudiants partagent leurs conseils en une à deux phrases : Tino recommande d'apprendre activement comment utiliser l'IA car c'est un avantage compétitif pour optimiser carrière ou entreprise. Marcus suggère de commencer un nouveau projet Claude pour chaque cours, d'y coller tous les fichiers pertinents, et de régler le style sur mode concis pour des résumés efficaces avant les examens. Chloe conseille de s'abonner aux Substacks et matériaux open source pour découvrir les meilleures façons d'utiliser les nouveaux outils IA et les appliquer à ses propres projets, mentionnant Nate Jones comme excellente ressource. Zain insiste sur l'utilisation des différents modes : notamment le mode apprentissage qui pose des questions en retour et force à être confiant dans ses réponses, augmentant ainsi ses propres compétences plutôt que de simplement s'appuyer sur les sorties directes de Claude. Ces conseils pratiques reflètent une maturité croissante dans l'approche de l'IA comme outil d'amélioration personnelle.

Tous les étudiants convergent vers un critère commun pour distinguer utilisation appropriée et dépendance excessive : la capacité d'expliquer et défendre son travail. Tino définit la ligne comme ne pas pouvoir expliquer ou défendre ce qu'on a construit face à une question critique ou spécifique. Chloe parle de 'propriété et intentionnalité' : si on ne peut pas expliquer quel a été le rôle de l'IA dans notre travail, on a franchi la limite. Tino ajoute qu'on devrait pouvoir expliquer à la fois au niveau élémentaire (comme à un élève de cinquième année) et au niveau universitaire supérieur. Zain conclut qu'il s'agit de se sentir à l'aise avec le contenu produit et d'avoir un sentiment de propriété authentique plutôt que de simplement voler du contenu à Claude. Il partage honnêtement avoir soumis des pièces entièrement générées par IA qui ne l'ont mené nulle part, soulignant que les étudiants ont besoin de temps pour apprendre ces limites par expérience. Cette reconnaissance collective établit un standard éthique pratique basé sur la compréhension réelle plutôt que sur des règles arbitraires.

Greg observe avec surprise que la conversation n'a jamais versé dans le catastrophisme malgré l'ampleur des changements discutés. Les étudiants maintiennent une posture 'pensivement positive' sur l'avenir de l'éducation avec l'IA. Zain exprime que les universités doivent faire confiance aux étudiants et leur donner le temps d'apprendre par eux-mêmes ce qui fonctionne et ce qui ne fonctionne pas. La mentalité collective du 'on comprendra' reflète une maturité et une responsabilité personnelle encourageantes. Cette génération d'étudiants navigue activement dans une transformation technologique majeure tout en développant leurs propres cadres éthiques et pratiques. Plutôt que d'attendre des institutions qu'elles fournissent toutes les réponses, ces étudiants ambassadeurs Claude démontrent une capacité d'adaptation, d'expérimentation et de réflexion critique qui laisse présager une intégration réfléchie de l'IA dans l'éducation et au-delà. Leur honnêteté et leur approche pragmatique offrent un contrepoint rafraîchissant aux discours alarmistes sur l'IA dans l'éducation.