La politique d’IA de Berkeley Law restreint l’IA, mais les facultés de droit ne l’interdisent pas

Berkeley Law a durci ses règles sur l’IA pour l’été 2026, tout en reconnaissant que les futurs avocats doivent maîtriser cette technologie. La politique d’IA de Berkeley Law interdit aux étudiants d’utiliser l’IA pour concevoir, structurer, rédiger, réviser, corriger ou traduire des travaux remis pour obtenir des crédits. Elle interdit également toute utilisation de l’IA lors des examens, sauf exception expressément autorisée par l’enseignant.

Cela peut ressembler à une interdiction de l’IA dans une faculté de droit, mais cette appellation passe à côté de l’élément le plus important de la politique. Berkeley permet toujours aux enseignants d’autoriser l’IA lorsqu’elle sert les objectifs pédagogiques d’un cours. L’établissement prévoit aussi 22 cours de droit et de technologie pour l’automne 2026, ce qui rend son approche à la fois restrictive et expansionniste.

L’Université de Chicago et Columbia Law School ont adopté des stratégies tout aussi partagées. Elles protègent certaines dimensions de l’enseignement juridique contre l’automatisation tout en créant d’autres espaces pour une utilisation réfléchie de l’IA. Le véritable conflit n’oppose donc pas les facultés de droit à l’IA. Il oppose le raisonnement juridique autonome à une externalisation cognitive prématurée.

Ce que la politique d’IA de Berkeley Law change réellement

Berkeley a fait du travail autonome des étudiants la règle par défaut, tout en préservant des exceptions ciblées pour les cours qui enseignent la maîtrise de l’IA.

La politique d’IA par défaut est entrée en vigueur à l’été 2026. Elle s’applique aux travaux remis pour obtenir des crédits académiques et va bien au-delà d’une simple interdiction des dissertations générées par des chatbots.

Les étudiants ne peuvent pas demander à un système d’IA de proposer le sujet ou la thèse d’un mémoire. Ils ne peuvent pas lui demander une structure organisationnelle, la rédaction d’un paragraphe, l’identification de passages à réviser ou une amélioration grammaticale. La traduction assistée par IA est également interdite lorsque le contenu traduit fait partie du travail remis.

La règle applicable aux examens est plus stricte. Les étudiants ne peuvent utiliser l’IA à aucune fin pendant un examen. Ils ne peuvent pas non plus générer un plan avec l’IA, puis intégrer à un examen des éléments issus de ce plan.

Ces restrictions visent l’ensemble du processus de production intellectuelle, et non seulement la prose finale. Cette distinction importe, car l’IA générative peut influer sur un argument avant même d’écrire une phrase. Une thèse ou une structure suggérée peut déterminer quelles autorités sont prises en compte et quels contre-arguments disparaissent.

La politique interdit aussi aux étudiants de téléverser dans des systèmes d’IA générative des devoirs, lectures, diapositives, enregistrements ou tout autre contenu de cours. Cette règle répond à des préoccupations de confidentialité, de propriété intellectuelle et de secret, en plus de l’intégrité académique.

Berkeley affirme néanmoins que sa politique ne constitue pas une interdiction générale. Les enseignants peuvent adopter des règles différentes pour les cours conçus afin d’enseigner la maîtrise de l’IA. Ils peuvent également autoriser des usages distincts lorsqu’une autre approche sert mieux un cours.

Cette souplesse distingue la position de Berkeley d’un rejet de l’IA générative à l’échelle du campus. L’établissement trace des limites autour de la réflexion évaluée, tout en autorisant ailleurs l’expérimentation supervisée.

Les orientations associées présentent ces limites comme une séquence pédagogique. Les étudiants doivent d’abord concevoir, analyser, rédiger et évaluer sans substitution automatisée. Ils peuvent ensuite utiliser l’IA en comprenant ce que le système a modifié, omis ou inventé.

Cette séquence reflète le principe central de la politique d’IA de Berkeley Law. Un avocat incapable d’évaluer un argument de manière autonome ne peut pas superviser de façon fiable un système qui en génère un.

La règle vise également à produire des attentes plus claires et plus cohérentes. Berkeley a indiqué que sa politique précédente soulevait des questions difficiles sur la frontière entre la correction grammaticale et la composition par IA. La nouvelle approche considère l’édition automatisée comme interdite, sauf si un cours prévoit une exception.

Cette décision sacrifie une part de commodité au profit de l’applicabilité. Elle évite de demander aux professeurs de déterminer si une suggestion de l’IA a corrigé la grammaire, reformulé une affirmation ou discrètement modifié l’analyse sous-jacente.

Son coût réside dans son ampleur. Un étudiant utilisant une application d’écriture courante peut rencontrer des fonctions génératives sans les rechercher activement. Les établissements devront fournir des orientations pratiques qui distinguent la vérification orthographique ordinaire de la réécriture automatisée interdite.

La version la plus solide de l’argument de Berkeley n’est pas que toute interaction avec l’IA nuit à l’apprentissage. Elle consiste à dire que les travaux donnant droit à des crédits doivent révéler les capacités propres de l’étudiant. Sinon, les notes cessent de mesurer les compétences que la faculté de droit prétend développer.

Pourquoi le raisonnement juridique est devenu la compétence à protéger

Les facultés de droit limitent l’IA précisément aux moments où les étudiants doivent développer le jugement nécessaire pour la superviser plus tard.

L’enseignement du droit ne consiste pas seulement à retrouver la règle adéquate. Les étudiants doivent interpréter les sources d’autorité, distinguer les précédents, repérer les faits manquants et défendre une conclusion face à des arguments concurrents. Ces activités constituent le fondement du jugement professionnel.

L’IA générative peut produire un texte plausible avant qu’un étudiant ait formé ce jugement. Son résultat peut donner à un argument incomplet une apparence achevée, ce qui complique à la fois l’apprentissage et l’évaluation.

Ce risque est particulièrement aigu durant la première année de droit. Les cours de première année introduisent les méthodes de lecture des affaires et de raisonnement à partir de sources d’autorité imparfaites. Les étudiants apprennent également comment les conclusions juridiques changent lorsqu’un fait ou un précédent varie.

Un résumé d’affaire généré par l’IA peut faire gagner du temps. Toutefois, cette efficacité devient coûteuse sur le plan pédagogique lorsque la lecture de l’affaire constitue précisément l’exercice. L’étudiant reçoit le produit apparent sans s’exercer au raisonnement qui l’a produit.

Le même problème touche la rédaction juridique. Un chatbot peut générer un mémorandum structuré, mais la structure n’est pas une simple question de présentation. Choisir l’ordre des questions exige souvent de déterminer quels faits et quelles sources méritent le plus grand poids juridique.

Berkeley décrit la réflexion comme essentielle à un bon exercice du droit et à une formation juridique de qualité. Sa politique considère la conceptualisation, l’élaboration de plans, la rédaction, la révision et l’édition comme des tâches cognitives liées, plutôt que comme des étapes de production dissociables.

Cette position répond aussi au manque de fiabilité des contenus juridiques générés. Les modèles de langage produisent du texte probable, et non des conclusions juridiques vérifiées. Ils peuvent inventer des citations, présenter incorrectement des décisions ou estomper les différences entre juridictions.

Les avocats expérimentés peuvent eux aussi commettre ces erreurs. La différence tient au fait que l’IA peut les produire rapidement, avec assurance et à une échelle qui met à rude épreuve la vérification humaine.

Un étudiant qui comprend déjà la doctrine peut examiner ce résultat de manière critique. Un étudiant qui ne possède pas ces fondations pourrait prendre une formulation fluide pour une preuve d’exactitude.

Les enseignants en droit font donc face à un problème de séquençage. Ils doivent préparer les diplômés à une pratique assistée par IA sans laisser l’assistant remplacer l’apprentissage.

Cette tension dépasse le cadre des notes. Les avocats ont des devoirs envers leurs clients, les tribunaux et les parties adverses. Les orientations éthiques sur l’IA de l’American Bar Association indiquent que les obligations existantes continuent de s’appliquer lorsque les avocats utilisent des systèmes génératifs.

Ces obligations comprennent la compétence, la confidentialité, la communication avec le client, la supervision, la franchise et des honoraires raisonnables. Un avocat ne peut pas transférer sa responsabilité professionnelle à un fournisseur d’IA ni excuser un dépôt inexact au motif qu’un logiciel l’a produit.

Les facultés de droit doivent donc enseigner deux compétences qui peuvent tirer dans des directions opposées. Les diplômés ont besoin d’une maîtrise suffisante de l’IA pour utiliser efficacement les systèmes juridiques modernes. Ils ont aussi besoin d’une expertise autonome suffisante pour repérer les défaillances de ces systèmes.

La politique d’IA de Berkeley Law protège la seconde compétence dans les travaux évalués. Ses cours de technologie et ses exceptions autorisées visent à développer la première.

Cette distinction est plus défendable qu’une affirmation générale selon laquelle l’IA affaiblit intrinsèquement les étudiants. Les données sur les effets cognitifs à long terme restent incomplètes, et les résultats dépendent fortement de la manière dont un système est utilisé.

L’IA peut remplacer l’effort, mais elle peut aussi mettre un argument à l’épreuve. Un étudiant pourrait demander à un modèle d’identifier des contre-arguments après avoir rédigé de façon autonome une position. Un autre pourrait soumettre la première réponse du modèle sans l’examiner.

Ces comportements ne devraient pas recevoir la même évaluation pédagogique. Le défi consiste à concevoir des devoirs qui distinguent une aide productive d’une substitution intellectuelle.

Pour les étudiants qui gèrent de vastes collections d’affaires et de notes, une base de connaissances étudiante personnelle peut faciliter la recherche sans décider de la teneur de leurs arguments. La frontière pédagogique devrait porter sur la personne qui effectue le raisonnement, et non simplement sur le fait qu’un logiciel ait ou non participé au flux de travail.

UChicago Law protège la salle de classe tout en enseignant l’outil

La stratégie d’IA de UChicago Law rend le compromis explicite en séparant l’apprentissage fondamental sans appareil de la pratique professionnelle supervisée.

The University of Chicago Law School a annoncé sa déclaration de stratégie sur l’IA le 9 juillet 2026. Cette stratégie entre en vigueur durant le trimestre d’automne et s’appuie sur des changements de programme introduits depuis 2024.

Sa mesure la plus visible est une interdiction pilote des appareils électroniques dans les cours fondamentaux de première année. Des exceptions limitées restent possibles, notamment des aménagements pour les étudiants qui en ont besoin.

Une règle sur les appareils est plus large qu’une restriction de l’IA. Elle écarte les ordinateurs portables, tablettes et téléphones, même lorsqu’un étudiant souhaite uniquement prendre des notes. L’établissement affirme que cette approche réduit également les distractions et favorise de meilleures discussions en classe.

Ce projet pilote constitue donc autant un test de l’attention en classe que de l’intelligence artificielle. Les professeurs appliquaient des politiques sans appareils bien avant l’existence de ChatGPT, souvent parce que les écrans divisaient l’attention pendant les discussions.

L’IA accroît l’enjeu, car un appareil connecté peut désormais faire plus que distraire. Il peut résumer une affaire, proposer une réponse ou préparer en temps réel une intervention à une question d’un professeur.

La salle de cours traditionnelle en faculté de droit utilise le questionnement pour révéler le processus de raisonnement d’un étudiant. Si un logiciel fournit la réponse, le professeur ne peut pas facilement déterminer si l’étudiant comprend la doctrine.

Retirer les appareils crée une zone temporaire dans laquelle les étudiants doivent eux-mêmes retrouver, synthétiser et formuler leurs idées. Cela rend aussi la participation plus visible et réduit la tentation de consulter une réponse externe instantanée.

Pour autant, UChicago ne cherche pas à recréer une profession antérieure au numérique. Sa stratégie comprend des modules d’IA pour les étudiants de première année, l’utilisation de l’IA dans les cliniques, un AI Lab et des orientations pour la recherche et la rédaction juridiques.

Le modèle de l’établissement peut se résumer ainsi : apprendre à réfléchir avec, sans et à propos de l’IA. Chaque condition remplit un objectif pédagogique différent.

Réfléchir sans IA construit une capacité de base. Réfléchir avec l’IA apprend aux étudiants à utiliser l’automatisation tout en conservant leur responsabilité. Réfléchir à propos de l’IA permet de comprendre ses effets institutionnels, éthiques et juridiques.

C’est une approche plus précise que de dire que UChicago a interdit l’IA. L’établissement écarte la technologie de certains environnements d’apprentissage tout en l’intégrant dans d’autres.

Son approche reconnaît également que l’éducation et l’emploi valorisent des comportements différents. Un cabinet d’avocats bénéficie d’un outil qui réduit le travail répétitif sans compromettre la qualité. Une salle de classe attribue parfois ce même travail parce que son exécution développe le jugement.

L’efficacité n’est donc pas un objectif éducatif universel. Le chemin le plus rapide vers une réponse peut contourner l’activité qu’un devoir était censé évaluer.

Cette distinction ressemble à la formation dans d’autres professions à forts enjeux. Un pilote apprend les procédures sans s’appuyer entièrement sur l’automatisation, même si les avions modernes utilisent de nombreux systèmes automatisés. Cette pratique fondamentale existe parce que les professionnels doivent reconnaître et gérer les défaillances.

Le défi de UChicago sera de mesurer si son projet pilote sans appareils améliore les compétences visées. De meilleures discussions en classe soutiendraient cette politique, mais la satisfaction à elle seule ne démontrerait pas un raisonnement juridique plus solide.

L’école devra également examiner les effets inégaux. Certains étudiants organisent et retiennent mieux les informations grâce à des notes dactylographiées. D’autres ont besoin de technologies d’assistance ou d’un soutien linguistique.

Une politique équitable doit proposer des aménagements fonctionnels sans contraindre les étudiants à divulguer plus d’informations personnelles que nécessaire. Elle doit aussi empêcher que les exceptions ne deviennent stigmatisantes.

L’approche hybride de UChicago offre à l’école une comparaison utile. Elle peut évaluer les cours fondamentaux sans appareils aux côtés de cours qui enseignent un usage structuré de l’IA. Ces éléments seraient plus précieux qu’un débat philosophique sur la question de savoir si la technologie est bonne ou mauvaise.

Columbia Privilégie la Responsabilité Plutôt qu’une Interdiction Générale

Les règles de Columbia montrent que les politiques sur l’IA dans les facultés de droit convergent vers un usage contrôlé, même lorsque leurs limites par défaut diffèrent.

Columbia Law School a adopté une nouvelle politique académique sur l’IA entrée en vigueur le 1er août 2026. Elle a remplacé la politique provisoire précédente de l’école pour l’année universitaire 2026-2027.

Columbia interdit toute assistance par IA lors des examens. Chaque mot d’une réponse d’examen doit provenir de l’étudiant, y compris les formulations produites par traduction par IA.

Son traitement des autres travaux de cours est plus permissif que l’approche par défaut de Berkeley. Les étudiants peuvent utiliser l’IA comme aide à l’apprentissage ou comme interlocuteur critique lorsque les règles du cours l’autorisent.

Un interlocuteur critique est un système utilisé pour mettre des idées à l’épreuve plutôt que pour les produire. Il peut remettre en cause un argument, relever une faiblesse d’organisation ou suggérer des questions à approfondir.

Columbia fait peser la responsabilité intellectuelle sur l’étudiant. Les idées, arguments, analyses et formulations remis doivent refléter le propre jugement de l’étudiant. Les étudiants doivent comprendre et pouvoir défendre chaque proposition qu’ils soumettent.

La politique se concentre donc sur la paternité intellectuelle et la responsabilité, plutôt que d’interdire chaque étape assistée. L’IA ne peut pas devenir un prête-plume non déclaré ni remplacer le raisonnement juridique de l’étudiant.

Les membres du corps enseignant conservent la latitude d’établir des règles propres à chaque cours. Certains peuvent intégrer largement l’IA, tandis que d’autres peuvent en limiter l’usage afin de développer des compétences particulières.

Ce modèle accepte l’incohérence comme une composante de la préparation professionnelle. Les avocats travailleront selon différentes règles judiciaires, politiques d’employeurs, restrictions de clients et exigences de sécurité. Les étudiants doivent s’exercer à identifier les règles qui régissent un contexte donné.

Cependant, la variation des politiques peut aussi créer de la confusion. Un étudiant qui suit plusieurs cours doit se souvenir si l’idéation, la révision, la traduction ou l’aide à la recherche sont autorisées dans chacun d’eux.

L’enquête auprès des étudiants de 2026 du Thomson Reuters Institute illustre ce problème. Elle a recueilli les réponses de plus de 1 800 étudiants en droit en avril 2026.

Près de 60 % ont déclaré utiliser l’IA plusieurs fois par semaine pour leurs travaux universitaires. Dans le même temps, 48 % ont indiqué que les politiques sur l’IA variaient selon les professeurs.

L’enquête a révélé que 72 % considéraient la maîtrise de l’IA comme une compétence professionnelle essentielle. Parallèlement, 74 % reconnaissaient qu’une dépendance excessive pouvait affaiblir leurs compétences juridiques fondamentales.

Ces chiffres compliquent l’idée selon laquelle étudiants et administrateurs appartiennent à des camps opposés. Beaucoup d’étudiants semblent comprendre à la fois la valeur professionnelle et le risque pour le développement des compétences.

L’écart institutionnel concerne la formation. Trente-deux pour cent ont indiqué que leurs écoles ne leur fournissaient pas les compétences en IA nécessaires à leur future carrière.

Ce résultat renforce les arguments en faveur d’une intégration structurée. Une politique restrictive sans programme d’IA substantiel pousse les étudiants vers des expérimentations non supervisées. Elle peut aussi laisser les diplômés insuffisamment préparés aux outils qui entrent déjà dans les environnements de travail juridiques.

Columbia cherche à résoudre ce problème par une combinaison de limites, de cours spécialisés et de choix laissés aux enseignants. Berkeley applique des restrictions par défaut plus larges, parallèlement à une offre technologique importante. UChicago crée des espaces sans appareils tout en intégrant l’IA ailleurs.

Il s’agit de différentes mises en œuvre du même principe émergent. Les étudiants ne devraient pas déléguer la compétence en cours d’apprentissage, mais ils devraient apprendre à utiliser l’IA après avoir acquis suffisamment de connaissances pour la superviser.

Le désaccord porte sur l’emplacement de cette limite. Berkeley la trace autour de presque chaque étape des travaux donnant droit à des crédits. Columbia la trace autour de la responsabilité intellectuelle et de l’autorisation propre au cours.

Aucune de ces politiques n’établit la bonne limite pour chaque devoir. Leur valeur dépendra de la capacité des professeurs à traduire de grands principes en exigences claires et observables.

Le Risque Est de Former des Avocats Soit Dépendants, Soit Insuffisamment Préparés

Une règle qui bloque l’IA sans l’enseigner peut créer une autre version du problème de compétence qu’elle était censée prévenir.

L’argument le plus solide en faveur des restrictions est développemental. Les étudiants doivent pratiquer l’analyse juridique avant de pouvoir déléguer de manière responsable certaines parties de ce travail.

L’objection la plus forte est professionnelle. Les diplômés entreront dans des environnements où l’IA soutient la recherche, l’examen de documents, la diligence raisonnable, l’analyse contractuelle et la rédaction. Refuser d’enseigner ces systèmes ne protège pas les diplômés.

Cela les laisse apprendre auprès des fournisseurs, des employeurs ou par expérimentation privée. Cette formation peut privilégier la rapidité au détriment de la confidentialité, de la vérification et du jugement professionnel.

C’est pourquoi l’expression « interdiction de l’IA » crée une opposition binaire trompeuse. Une école peut interdire l’IA pendant un examen et en exiger l’usage dans une clinique juridique. Ces deux décisions peuvent servir le même objectif éducatif.

La question plus difficile concerne les travaux de cours ordinaires entre ces deux extrêmes. Les étudiants rédigent des travaux en partie pour démontrer leurs connaissances et en partie pour progresser grâce à la pratique. L’IA peut soutenir ou remplacer l’une ou l’autre de ces fonctions.

Prenons le cas d’un étudiant qui prépare un mémoire. Demander à l’IA de rédiger le premier brouillon peut supprimer la nécessité d’organiser les sources de manière indépendante. Lui demander de critiquer un brouillon achevé peut révéler des faiblesses que l’étudiant n’avait pas repérées.

Même le second usage comporte des risques. Le système peut inventer un contre-argument, déformer un précédent ou encourager des révisions inutiles. Toutefois, l’étudiant reste cognitivement engagé lorsqu’il évalue ces suggestions.

Les écoles ont donc besoin de devoirs qui rendent le processus visible. Un professeur peut exiger des journaux de sources, des défenses orales, des historiques de révision ou de brèves explications sur l’usage autorisé de l’IA.

Ces mesures sont plus instructives que de s’appuyer sur des logiciels de détection de l’IA. Les systèmes de détection peuvent produire des faux positifs, en particulier lors de l’évaluation d’une écriture conventionnelle ou rédigée dans une langue seconde. Ils encouragent également une compétition entre contournement et contrôle.

Les preuves liées au processus soutiennent l’éducation autant que l’intégrité. Un étudiant capable d’expliquer pourquoi un argument a changé démontre davantage de compréhension que celui qui remet simplement une prose soignée.

Des règles claires comptent aussi parce que des fonctionnalités génératives apparaissent désormais dans les moteurs de recherche, les traitements de texte et les plateformes de recherche. Les étudiants ne reconnaissent pas toujours qu’un outil familier est passé de la correction à la composition.

La règle claire de Berkeley améliore la lisibilité, mais pourrait englober des aides à faible risque. La norme de responsabilité de Columbia préserve la flexibilité, mais exige davantage d’interprétation. La salle de classe sans appareils de UChicago ne crée une limite applicable que dans un cadre restreint.

L’accessibilité reste une autre préoccupation. La traduction, la révision ou la synthèse assistées par IA peuvent aider les étudiants en situation de handicap et ceux qui travaillent dans une langue seconde. Restreindre ces fonctions peut imposer des charges inégales.

Les aménagements académiques peuvent couvrir certains cas. Néanmoins, les écoles devraient distinguer un aménagement d’un avantage qui modifie la compétence évaluée.

La réponse dépendra du devoir. L’aide à la traduction peut être inappropriée lorsque la rédaction juridique en anglais est la compétence mesurée. Elle pourrait être raisonnable lorsque le devoir évalue l’identification des questions juridiques dans un autre contexte.

Les facultés de droit devraient également éviter de surestimer les preuves relatives aux effets cognitifs nocifs. La recherche a soulevé des inquiétudes concernant la décharge cognitive, qui survient lorsque les personnes délèguent un travail mental à des outils externes. Toutefois, une association n’établit pas un déclin inévitable.

Les effets varient probablement selon la tâche, l’expérience de l’étudiant, le comportement de sollicitation et la conception pédagogique. Un exercice guidé exigeant une vérification diffère du fait de demander à un chatbot de rédiger un essai.

Les politiques strictes devraient donc être considérées comme des interventions éducatives, et non comme des conclusions scientifiques établies. Les écoles ont besoin d’éléments comparatifs sur le raisonnement, la rétention, l’écriture et la performance professionnelle des étudiants.

Le même scepticisme s’applique aux programmes de maîtrise de l’IA. Proposer un cours ne prouve pas que les diplômés peuvent détecter des citations fabriquées, protéger les informations des clients ou déterminer quand l’automatisation est inappropriée.

Les écoles doivent tester directement ces capacités. Les étudiants devraient être confrontés, dans des conditions supervisées, à des résultats erronés, des scénarios de confidentialité et des autorités ambiguës.

Le secteur évolue aussi trop rapidement pour des règles permanentes. Une limite conçue autour de l’interface actuelle d’un chatbot peut devenir obsolète lorsque l’assistance générative se fond dans les logiciels standards.

Le principe durable est la responsabilité. Les étudiants doivent savoir quel travail ils ont délégué, quelles informations ils ont divulguées et comment ils ont vérifié le résultat.

Une interdiction de l’IA dans une faculté de droit ne peut pas, à elle seule, enseigner ces habitudes. Un accès sans restriction ne le peut pas davantage.

Ce qu’il Faut Surveiller au Cours de l’Année Universitaire 2026-2027

Le prochain test consistera à déterminer si les politiques hybrides améliorent le raisonnement indépendant sans creuser l’écart entre les étudiants et la pratique professionnelle.

Le premier signal viendra du projet pilote de première année sans appareils de UChicago. Les administrateurs devraient examiner la qualité de la participation, les résultats dans les matières doctrinales, la rétention des étudiants et les demandes d’aménagement.

Si ces indicateurs s’améliorent sans créer de problèmes d’accès substantiels, les arguments en faveur de périodes d’apprentissage protégées et sans appareils se renforceront. Si les résultats restent inchangés, la politique aura peut-être supprimé une commodité sans apporter de valeur éducative.

Le deuxième signal sera la manière dont les enseignants de Berkeley utiliseront leur pouvoir d’accorder des exceptions. La politique de l’école ne fonctionne comme une approche hybride que si les étudiants bénéficient d’occasions significatives et supervisées de s’exercer avec l’IA.

Les 22 cours de droit et de technologie de Berkeley offrent une capacité substantielle sur le papier. La mesure importante est de savoir si ces cours enseignent la vérification, la confidentialité et la responsabilité professionnelle à l’ensemble des étudiants.

Si l’enseignement de l’IA reste concentré parmi les spécialistes de la technologie, le reste de la population étudiante risque d’obtenir son diplôme avec de solides compétences traditionnelles, mais une préparation pratique inégale.

Le troisième signal sera la convergence des politiques entre les facultés de droit. Une enquête sur l’éducation publiée par l’American Bar Association en 2024 a révélé que les établissements développaient encore leurs approches.

En 2026, Berkeley, UChicago et Columbia ont dépassé le stade des déclarations temporaires. Chacune a établi une répartition plus détaillée entre le travail sans IA, l’usage supervisé et la latitude des enseignants.

D’autres facultés devront désormais décider si elles reproduisent ces modèles ou si elles élaborent des alternatives. Des définitions cohérentes aideraient les étudiants à comprendre la différence entre récupération d’informations, correction, génération et révision automatisée.

Les tribunaux et les employeurs influenceront ces choix. Si les cabinets attendent des nouveaux collaborateurs qu’ils supervisent immédiatement des systèmes d’IA, les facultés subiront une pression pour renforcer l’enseignement pratique.

Les juges et les régulateurs peuvent pousser dans l’autre direction lorsque des erreurs générées se retrouvent dans des actes judiciaires. Chaque échec public renforce l’argument selon lequel une vérification indépendante doit précéder l’automatisation.

Le changement durable ne tient pas au fait que les facultés de droit ont interdit l’IA. Elles ont commencé à considérer le raisonnement sans assistance comme une étape protégée de la formation professionnelle.

Cette étape doit rester liée au monde du travail dans lequel les étudiants entreront. Sinon, les restrictions deviennent une forme d’évitement plutôt qu’une préparation.

La politique de Berkeley Law en matière d’IA propose une expérience claire : exiger des étudiants qu’ils réalisent de manière indépendante les travaux évalués, puis enseigner l’IA dans des cadres désignés. UChicago et Columbia testent différentes versions de cette répartition.

Les étudiants devraient se poser une question pratique en évaluant toute politique : précise-t-elle à quel moment l’IA doit rester à l’écart, tout en enseignant comment fonctionne un usage responsable ? Une réponse crédible doit comporter ces deux volets.