L’étude de l’OCDE sur les devoirs avec l’IA révèle des scores plus faibles, pas une perte de 1,5 an due à l’IA

Les conclusions de l’OCDE sur l’IA utilisée pour les devoirs lancent un avertissement sans ambiguïté : les élèves qui utilisent des chatbots pour des travaux spécifiques obtiennent généralement des scores inférieurs à ceux qui les évitent.

Cette conclusion s’accompagne d’un chiffre encore plus important. Les scores moyens de compréhension de l’écrit dans les pays de l’OCDE ont chuté de 28 points entre 2015 et 2025, soit environ 1,5 année d’apprentissage. Les scores en mathématiques ont baissé de 22 points, soit un peu plus d’une année.

Ces chiffres ne démontrent pas que les chatbots ont provoqué une décennie de déclin. Les outils d’IA générative grand public ne sont devenus largement accessibles qu’après la fin de 2022. Le recul avait commencé auparavant et reflète de nombreuses pressions, notamment un soutien familial plus faible, l’absentéisme, les distractions et les perturbations liées à la pandémie.

Ce chevauchement reste toutefois important. L’IA est arrivée dans les salles de classe alors que les performances fondamentales étaient déjà en baisse. Les écoles doivent désormais faire un choix difficile entre limiter les raccourcis et apprendre aux élèves à utiliser la technologie de manière réfléchie.

Les systèmes éducatifs asiatiques rendent ce choix particulièrement visible. L’usage des chatbots est répandu à Singapour, en Corée, à Macao, en Thaïlande, au Vietnam et aux Philippines. Pourtant, plusieurs systèmes asiatiques figurent aussi parmi les plus performants.

La fracture émergente n’oppose pas simplement les utilisateurs de l’IA aux non-utilisateurs. Elle oppose une IA qui génère des réponses à une IA guidée par une intention pédagogique, les enseignants déterminant si l’outil remplace l’effort ou le renforce.

Ce que montrent réellement les conclusions de l’OCDE sur l’IA et les devoirs

PISA 2025 a établi une association entre l’utilisation des chatbots et les performances, sans prouver que l’IA a causé la baisse des scores.

L’OCDE a publié ses derniers résultats du Programme international pour le suivi des acquis des élèves le 8 septembre 2026. PISA évalue la manière dont les élèves de 15 ans mobilisent leurs connaissances en compréhension de l’écrit, en mathématiques et en sciences face à des problèmes inconnus.

L’évaluation de 2025 a couvert 760 000 élèves dans 91 pays et économies. Il s’agissait de l’exercice PISA le plus vaste à ce jour. Les sciences constituaient son principal domaine académique.

Ce cycle a également interrogé les élèves sur leur usage des chatbots d’IA pour les travaux scolaires. Les questions portaient sur le résumé de textes assignés, la recherche sur de nouveaux sujets, la rédaction de devoirs écrits et l’aide générale à l’apprentissage.

Les chatbots avaient déjà atteint la majorité des élèves. Dans les pays de l’OCDE, seuls 14 % ont déclaré n’avoir jamais, ou presque jamais, utilisé l’IA pour l’un des usages scolaires étudiés.

Environ 46 % utilisaient l’IA au moins chaque semaine pour les aider à apprendre. Ce chiffre confirme que les systèmes scolaires examinent un comportement déjà établi, et non une tendance expérimentale en classe.

Le schéma de performance était défavorable pour plusieurs usages liés à des devoirs spécifiques. Les élèves qui n’utilisaient pas l’IA pour résumer, rechercher ou rédiger obtenaient généralement de meilleurs résultats en sciences que les utilisateurs.

La fréquence comptait aussi. Les utilisateurs modérés obtenaient souvent de meilleurs scores que les élèves qui utilisaient les chatbots rarement ou presque tous les jours. La rédaction de devoirs présentait un avantage plus faible pour un usage modéré que les autres tâches.

L’aide générale à l’apprentissage produisait un résultat différent. Les élèves utilisant l’IA chaque semaine pour apprendre obtenaient un niveau à peu près équivalent à celui des non-utilisateurs après prise en compte du milieu socioéconomique.

L’analyse complète des devoirs scolaires avertit explicitement qu’il ne faut pas interpréter ces relations comme causales. Les élèves adoptent l’IA pour des raisons différentes et dans des conditions différentes.

Un élève en difficulté peut se tourner plus fréquemment vers un chatbot parce que le travail est déjà difficile. Ce schéma produirait des scores plus faibles chez les utilisateurs sans prouver que l’IA a créé la difficulté initiale.

L’accès complique aussi la comparaison. Les élèves n’ayant jamais utilisé l’IA venaient plus souvent de milieux défavorisés. Les utilisateurs fréquents étaient plus susceptibles de venir de milieux favorisés.

Les ajustements socioéconomiques réduisent ce déséquilibre, mais ne peuvent éliminer toutes les différences non mesurées. La motivation, les connaissances antérieures, les pratiques enseignantes, la conception des évaluations et la qualité des prompts individuels peuvent tous influencer les résultats.

La conclusion la plus prudente est plus nuancée que le titre alarmiste. Déléguer certaines tâches académiques est corrélé à des connaissances évaluées plus faibles, tandis qu’un usage modéré orienté vers l’apprentissage ne présente pas la même pénalité.

Cette distinction pose la véritable question de politique éducative. Les écoles ne peuvent pas évaluer l’IA en comptant uniquement les connexions. Elles doivent examiner quelle part du travail cognitif reste à la charge de l’élève.

Le chiffre de 1,5 an décrit une décennie de recul en compréhension de l’écrit

La perte de 1,5 an fréquemment citée renvoie aux performances en lecture depuis 2015, et non à une pénalité mesurée causée par l’IA.

Les performances moyennes en compréhension de l’écrit dans les pays de l’OCDE ont baissé de 28 points entre 2015 et 2025. L’organisation traduit cet écart par environ un an et demi d’apprentissage.

Les mathématiques ont reculé de 22 points au cours de la même décennie. Les performances en sciences ont baissé plus modestement sur dix ans et sont restées globalement stables entre 2022 et 2025.

Les résultats PISA montrent également qu’un élève sur cinq présente de faibles performances en sciences, en mathématiques et en compréhension de l’écrit. Cette proportion était de 16 % en 2022.

La chronologie exclut une explication simple centrée sur ChatGPT ou des services similaires. Le recul général a commencé avant que l’IA générative ne devienne un produit grand public courant.

PISA ne suit pas les mêmes élèves tout au long de la décennie. Il échantillonne des groupes comparables d’élèves de 15 ans, offrant une vision à l’échelle des systèmes plutôt qu’une chronologie personnelle de l’apprentissage.

Il mesure également les performances à un moment donné. L’évaluation ne peut pas observer chaque étape reliant l’activité d’un élève avec un chatbot aux connaissances démontrées pendant le test.

L’OCDE présente donc deux constats qui doivent rester distincts. Les performances académiques ont diminué sur une décennie, et les schémas actuels d’usage de l’IA sont corrélés à différents niveaux de performance.

Leur intersection mérite néanmoins de l’attention. L’IA générative est arrivée au cours d’une crise prolongée de l’apprentissage, alors que de nombreux élèves ne disposaient déjà pas de bases solides en lecture et en mathématiques.

Un chatbot peut rédiger un paragraphe cohérent même si son utilisateur ne sait pas construire l’argument de manière autonome. Il peut résumer un chapitre sans obliger le lecteur à en identifier les affirmations centrales.

Cela crée un écart de mesure entre le travail terminé et les capacités retenues. La qualité des devoirs peut progresser tandis que les performances sans aide stagnent ou reculent.

Les enseignants reçoivent alors un signal trompeur. Un travail soigné peut refléter un apprentissage plus solide, une aide utile à la révision, une assistance étendue de la machine ou une délégation presque complète.

Les élèves font face à une illusion similaire. Une réalisation rapide peut donner l’impression de maîtriser le sujet parce que le résultat immédiat semble correct. Le malentendu ne devient visible que lors d’un test sans aide ou d’une tâche ultérieure.

Cela ne rend pas chaque interaction avec un chatbot nocive. Cela signifie que la valeur éducative dépend de la capacité de l’IA à préserver la récupération des connaissances, le raisonnement, la révision et l’explication.

Le secrétaire général de l’OCDE, Mathias Cormann, a clairement formulé cette distinction. La technologie peut renforcer l’apprentissage, a-t-il déclaré, mais pas lorsqu’elle se substitue à l’attention, à l’effort et à la compréhension.

Cette déclaration étend la responsabilité au-delà des élèves. La conception des produits, les consignes des enseignants, la structure des devoirs et la politique scolaire déterminent la facilité avec laquelle l’IA devient un substitut.

Le recul de 1,5 an augmente les enjeux, car les écoles ont peu de marge pour une nouvelle source d’engagement superficiel. Il ne fournit pas d’estimation causale de cette source.

Pourquoi le résumé et la rédaction créent le conflit le plus marqué

L’IA devient risquée sur le plan éducatif lorsqu’elle réalise l’opération mentale qu’un devoir était conçu pour exercer.

Un exercice de résumé vise rarement à produire simplement un document plus court. Son objectif pédagogique est d’amener les élèves à sélectionner des preuves, distinguer les idées principales et reconstruire le sens.

Lorsqu’un chatbot effectue ces étapes, l’élève reçoit le produit visible sans nécessairement exercer la compétence sous-jacente. Le même problème se pose pour la recherche préliminaire.

Les devoirs de recherche enseignent la formulation de questions, la comparaison des sources, la gestion de l’incertitude et la sélection des preuves. Demander une synthèse toute prête peut retirer ces décisions du processus de travail de l’élève.

La rédaction présente un conflit encore plus évident. Écrire n’est pas seulement l’expression finale d’un savoir. Cela aide à découvrir les raisonnements faibles, les preuves manquantes et les contradictions non résolues.

Un premier brouillon généré peut effacer cette friction productive. Les élèves partent d’une prose fluide et deviennent éditeurs avant d’avoir formulé leur propre argument.

Ce mécanisme aide à expliquer les conclusions de l’OCDE sur l’IA et les devoirs. Les non-utilisateurs obtenaient généralement de meilleurs résultats que les utilisateurs pour des tâches spécifiques, tandis que les utilisateurs modérés faisaient parfois mieux que les utilisateurs rares ou intensifs.

Le schéma ressemble davantage à une courbe qu’à un choix entre interdire ou adopter. Une certaine assistance peut soutenir l’apprentissage, mais une délégation étendue réduit l’effort qui produit des connaissances durables.

L’étude distincte de l’OCDE sur l’éducation numérique parvient à une conclusion similaire. L’IA générative peut être utile lorsque son usage est guidé par des principes pédagogiques.

Les outils éducatifs peuvent demander à un apprenant d’expliquer une étape avant de proposer un retour. Ils peuvent fournir des indices, générer des questions d’entraînement ou remettre en cause une affirmation non étayée.

Les chatbots généralistes cherchent généralement à satisfaire la demande. Si un élève demande une réponse, le système a peu de raisons de préserver la difficulté prévue par le devoir.

Cette différence sépare le tutorat de l’exécution. Un tuteur gère l’assistance afin que l’apprenant conserve la responsabilité du raisonnement. Un moteur de réponses peut supprimer cette responsabilité instantanément.

Le problème ne se limite pas à la triche. Un élève peut utiliser ouvertement l’IA selon des règles scolaires permissives et s’exercer malgré tout moins que le programme ne l’attend.

Les politiques d’intégrité académique traitent de la paternité, de la divulgation et de l’assistance interdite. La conception de l’apprentissage pose une question plus profonde : quelle réflexion les élèves doivent-ils encore mener eux-mêmes ?

Les écoles ont besoin des deux niveaux. La divulgation peut indiquer à un enseignant que l’IA est intervenue, mais elle ne montre pas si l’interaction a renforcé la compréhension.

Les traces du processus deviennent plus utiles. Les élèves peuvent conserver leurs notes, parcours de sources, brouillons successifs, historiques de prompts et courtes explications des suggestions rejetées.

Une base de connaissances pour étudiants peut soutenir ce type de processus traçable. La valeur éducative vient du réexamen des preuves et du raisonnement, et non de l’accumulation de réponses générées.

L’évaluation doit aussi comparer les performances avec assistance et sans assistance. Un élève peut produire une dissertation soutenue par l’IA, puis défendre oralement son argument ou rédiger un passage connexe sans aide.

De telles approches rendent l’utilisation de l’IA visible sans considérer chaque interaction comme une faute. Elles révèlent aussi si l’assistance s’est traduite par une capacité autonome.

C’est le renversement central. L’IA peut améliorer le livrable tout en affaiblissant le processus d’apprentissage que ce livrable était censé représenter.

L’Asie montre qu’une forte adoption et de hautes performances peuvent coexister

Les résultats asiatiques remettent en cause toute affirmation selon laquelle un accès fréquent aux chatbots produit automatiquement de faibles performances académiques.

Singapour offre le contre-exemple le plus clair. Ses élèves sont restés parmi les plus performants au monde tout en déclarant un usage étendu de l’IA dans les tâches scolaires.

Environ 66 % des élèves singapouriens utilisaient des chatbots au moins chaque semaine pour les aider à apprendre. La moyenne de l’OCDE était d’environ 46 %.

L’utilisation hebdomadaire était également élevée pour des tâches individuelles. À Singapour, 46 % utilisaient l’IA pour des recherches préliminaires, 41 % pour résumer et 45 % pour rédiger des travaux écrits.

Seuls 4 % ont déclaré n’utiliser pas ou presque pas l’IA dans les activités étudiées. Ce chiffre est à comparer aux 14 % relevés dans les pays de l’OCDE.

Le profil PISA du pays fournit un autre chiffre important. Environ 81 % ont appris à évaluer les informations générées par l’IA pendant les cours.

La moyenne de l’OCDE pour cette activité en classe était d’environ 63 %. Dans les systèmes participants, l’exposition déclarée allait de 31 % à plus de 80 %.

Singapour associe ainsi un accès élevé à un enseignement de l’évaluation exceptionnellement étendu. Les élèves rencontrent l’IA, mais beaucoup s’exercent aussi à en questionner les résultats.

La Corée présente une autre version de ce schéma. Son indice global d’utilisation de l’IA pour le travail scolaire dépassait la moyenne de l’OCDE, tout en restant parmi les systèmes les plus performants.

La Corée et Singapour ont toutes deux mené de vastes politiques d’apprentissage numérique. L’approche nationale de Singapour inclut explicitement les outils d’intelligence artificielle.

D’autres économies asiatiques montrent pourquoi les catégories régionales générales restent risquées. Le Japon signale une utilisation comparativement faible pour le travail scolaire, tandis que Singapour en signale une très élevée. Les deux obtiennent de solides résultats.

Le Taipei chinois associe de bonnes performances à une utilisation moyenne plus faible de l’IA et à une importante politique d’apprentissage numérique remontant à 2021. Macao associe de bonnes performances à une adoption étendue.

Les résultats pour la Chine continentale couvrent Pékin, Shanghai, Jiangsu et Zhejiang, plutôt que l’ensemble du pays. Les lecteurs ne devraient pas considérer cet échantillon comme une estimation nationale.

La comparaison la plus pertinente concerne le contrôle pédagogique. Plusieurs systèmes très performants accordent aux enseignants un rôle central dans l’adaptation des outils numériques aux objectifs de la classe.

Le directeur de l’éducation de l’OCDE, Andreas Schleicher, a décrit une classe de calligraphie chinoise où les élèves écrivaient toujours avec des pinceaux et de l’encre. Les enseignants utilisaient ensuite l’IA pour analyser l’écriture manuscrite.

Cet exemple en classe est utile, car la technologie n’a pas produit le travail de l’élève. Elle a fourni un retour sur un travail que l’élève avait déjà réalisé.

Cette structure préserve la pratique essentielle. Les élèves forment chaque caractère, les enseignants définissent l’objectif d’apprentissage et le logiciel ajoute une couche de diagnostic.

Comparez cela au fait de demander à un chatbot de rédiger une dissertation. Dans le second processus, l’acte central de composition est transféré au modèle.

C’est pourquoi « l’IA dans l’éducation » est trop large pour servir de variable de résultat. Le retour sur la calligraphie, la rédaction automatisée, le tutorat guidé et la synthèse instantanée sont des interventions différentes.

Les moyennes nationales peuvent aussi masquer des variations entre les classes. Un enseignant peut exiger des vérifications de preuves et des défenses orales. Un autre peut autoriser une génération sans restriction avec une supervision limitée.

L’adoption asiatique ne réfute donc pas les associations observées par l’OCDE au niveau des élèves. Elle montre que la conception des systèmes peut modifier ce que signifie l’adoption.

Les systèmes asiatiques très performants mettent sous pression les pays qui présentent la politique éducative comme un choix entre interdiction et accès sans restriction. Une troisième voie apparaît : une exposition guidée avec l’autorité des enseignants.

Ce que les chiffres ne peuvent toujours pas nous dire

PISA identifie un signal d’alerte, mais sa conception observationnelle ne peut isoler l’effet de l’IA de celui des élèves et des établissements qui l’utilisent.

L’enquête repose sur les déclarations des élèves concernant la fréquence et l’objectif d’utilisation. Elle ne capture pas chaque prompt, réponse, correction ou règle de classe entourant ces interactions.

Deux élèves peuvent sélectionner la même catégorie de fréquence tout en utilisant l’IA de manières très différentes. L’un peut demander des explications, tandis que l’autre remet un texte généré avec un examen minimal.

L’expression générale « m’aider à apprendre » ajoute une incertitude supplémentaire. Elle peut désigner le tutorat, la traduction, le brainstorming, la génération d’exercices, la vérification de réponses ou des demandes de solutions directes.

Les scores en sciences fournissent le principal résultat de ce cycle PISA. Ils ne peuvent représenter tous les effets sur la qualité de l’écriture, la créativité, la confiance, les compétences de recherche ou la rétention à long terme.

L’évaluation ne peut pas non plus établir le sens de la relation. Les élèves moins performants peuvent adopter l’IA parce qu’ils ont besoin d’aide, ce qui fait de son usage en partie une réponse à la difficulté.

Les utilisateurs fréquents peuvent faire face à des charges de travail exigeantes qui encouragent l’automatisation. Les établissements disposant de systèmes de soutien faibles peuvent s’appuyer sur des chatbots grand public comme substituts peu coûteux.

Une autre possibilité va dans le sens inverse. La délégation répétée de tâches peut réduire la pratique et affaiblir les performances ultérieures sans assistance. PISA ne peut déterminer la contribution de chaque mécanisme.

Même la relation entre l’enseignement de la culture de l’IA et les scores exige de la prudence. Les élèves favorisés déclarent plus souvent bénéficier de ces possibilités d’apprentissage.

Les établissements qui enseignent efficacement la vérification peuvent aussi disposer d’enseignants plus solides, de meilleures ressources et de familles plus soutenantes. Ces facteurs peuvent influencer les performances indépendamment.

L’OCDE a néanmoins observé un schéma prometteur. Les utilisateurs fréquents de l’IA pour l’apprentissage général qui évaluaient aussi les informations produites par l’IA en classe obtenaient des résultats légèrement supérieurs en sciences à ceux des utilisateurs peu fréquents ou des non-utilisateurs.

Ce résultat soutient l’utilisation guidée, mais ne prouve pas qu’une leçon particulière a causé la différence. Le rapport décrit une association au sein d’un environnement d’apprentissage complexe.

Une autre incertitude concerne l’évolution des produits. Les chatbots utilisés en 2025 diffèrent des systèmes ultérieurs par leur précision, leur conception d’interface, leur personnalisation et leurs garde-fous éducatifs.

Les outils futurs pourraient devenir de meilleurs tuteurs. Ils pourraient aussi devenir plus efficaces pour réaliser les devoirs de manière invisible, élargissant l’écart entre le résultat apparent et la compétence réellement conservée.

Les établissements ne peuvent pas attendre des preuves parfaites, car l’adoption est déjà généralisée. Ils devraient toutefois éviter de transformer des corrélations préliminaires en interdictions universelles.

Une interdiction générale peut pousser les usages hors de vue. Elle peut également priver les élèves d’une pratique supervisée avec des outils qu’ils rencontreront dans l’enseignement supérieur et au travail.

L’adoption sans restriction comporte le risque inverse. Elle laisse les paramètres par défaut des produits déterminer la pédagogie, alors même que les chatbots grand public ne sont pas conçus autour de programmes individuels.

La réponse politique prudente consiste en une expérimentation contrôlée. Les établissements peuvent définir les tâches autorisées, préserver les évaluations sans assistance, enseigner la vérification et comparer les résultats au fil du temps.

Ils devraient mesurer davantage que la qualité des travaux remis. Parmi les indicateurs utiles figurent le rappel différé, le transfert autonome, l’exactitude des sources, la qualité de révision et la capacité à expliquer son raisonnement.

Ces mesures testeraient le mécanisme à l’origine des résultats de l’OCDE sur l’IA pour le travail scolaire. Elles montreraient si un chatbot soutient le travail cognitif ou en dissimule simplement l’absence.

Trois signaux montreront si les établissements tirent les leçons de PISA

La prochaine phase sera déterminée par la conception des évaluations, la culture de l’IA pilotée par les enseignants et les preuves que l’usage guidé se transfère en performance autonome.

Le premier signal est une évolution vers des évaluations attentives au processus. Les établissements devraient demander de déclarer comment l’IA a été utilisée et exiger que les élèves démontrent les mêmes connaissances sans assistance.

Surveillez l’apparition de défenses orales, de rédactions supervisées, d’historiques de prompts, de journaux de sources et de brouillons par étapes. Ces approches distinguent un résultat soigné d’une compréhension réelle.

Si les systèmes scolaires les adoptent largement, l’avertissement de l’OCDE renforcera l’argument en faveur d’une refonte plutôt que d’une interdiction. Si les devoirs restent inchangés, la délégation invisible restera difficile à mesurer.

Le deuxième signal est un enseignement plus large de l’évaluation des informations générées. Environ six élèves sur dix dans l’OCDE déclarent déjà le faire pendant les cours.

La qualité de cet enseignement importe plus que le simple fait de cocher une case. Les élèves doivent tester les affirmations, retrouver les preuves originales, identifier l’incertitude et reconnaître une prose persuasive mais non étayée.

Le taux d’exposition de 81 % à Singapour offre un repère utile, mais pas une explication complète de ses résultats. Les autres systèmes doivent montrer que les exercices d’évaluation modifient le comportement des élèves.

Si la culture de l’IA progresse tandis que les performances autonomes s’améliorent, l’usage guidé gagnera en crédibilité. Si l’exposition augmente sans meilleurs résultats, les établissements auront besoin de conceptions pédagogiques plus solides.

Le troisième signal est constitué de preuves longitudinales comparant différentes formes d’assistance. Les chercheurs doivent distinguer le tutorat, le retour d’information, le brainstorming, la synthèse, la recherche et la rédaction.

Ils ont aussi besoin de tests différés. Les performances immédiates sur une tâche peuvent s’améliorer même si les élèves retiennent moins de connaissances une semaine ou un mois plus tard.

Le prochain cycle PISA aidera, mais les établissements ne devraient pas dépendre uniquement d’une évaluation triennale. Les districts et les ministères peuvent mener des évaluations contrôlées au sein des cours existants.

L’OCDE prépare déjà un domaine consacré à la culture médiatique et à l’IA pour PISA 2029. Cette évaluation devrait révéler si les élèves peuvent interagir de manière critique avec des informations médiées par l’IA.

Les développeurs de produits font également face à un test clair. Les modes éducatifs devraient éviter de fournir des réponses complètes avant que les élèves n’aient tenté de résoudre le problème sous-jacent.

Les enseignants ont besoin de contrôles sur la profondeur des indices, les exigences relatives aux sources, l’adéquation à l’âge et les historiques d’activité. Sans ces fonctionnalités, « tuteur IA » reste davantage une catégorie marketing qu’une garantie éducative.

Les parents et les élèves peuvent appliquer dès maintenant la même norme. Demandez-vous si un chatbot prolonge la réflexion, la vérifie ou la remplace.

Pour les synthèses, lisez d’abord et rédigez les points principaux avant de demander un retour. Pour la recherche, rassemblez les sources originales avant de demander à l’IA de les comparer.

Pour l’écriture, formulez l’argument et produisez une structure initiale avant d’utiliser un modèle pour la critique. Conservez une version sans assistance des pratiques essentielles.

L’avertissement rapporté de l’OCDE est sérieux, mais son interprétation la plus spectaculaire n’est pas étayée. L’IA n’a pas reçu une pénalité causale de 1,5 année dans PISA.

Le véritable résultat est plus utile. Les élèves obtiennent souvent des scores plus faibles lorsque les chatbots réalisent des tâches scolaires précises, tandis que l’usage guidé et modéré pour l’apprentissage suit un schéma différent.

Cela laisse aux établissements une question immédiate : leurs politiques sur l’IA protègent-elles l’effort qui produit la connaissance, ou améliorent-elles seulement les travaux que les élèves remettent ?