L’IA gagne du temps. 50 millions d’enseignants manquent

Une fiche d’exercice est rarement le moment le plus difficile de la journée d’un enseignant. Le plus difficile est de voir qui a décroché, de choisir une autre explication, et de décider quand le plan lui-même doit changer. L’intelligence artificielle peut aider à rédiger la fiche. Savoir si ce temps revient au travail qui exige une personne reste une décision de l’organisation.

Deux publications d’octobre rendent cette décision plus difficile à esquiver, et elles ne décrivent pas le même problème. Le 6 octobre 2026, un essai randomisé par école en Angleterre a montré qu’un assistant de préparation de cours réduisait le temps déclaré d’environ 49 minutes par semaine, sans dégrader les ressources évaluées. La veille, l’UNESCO indiquait que le monde aura besoin de 50 millions d’enseignants de plus d’ici 2030 pour un accès universel à l’éducation préprimaire, primaire et secondaire. Le 14 octobre, l’OCDE signalait des pénuries persistantes de professionnels de l’enseignement dans beaucoup de ses pays. Aucun de ces chiffres n’autorise à remplacer un enseignant par un logiciel.

Un gain mesuré, sur une seule partie du métier

Aila, de l’Oak National Academy, est un assistant de cours fondé sur l’IA. L’enseignant choisit un niveau, une matière et un sujet. Aila propose un objectif d’apprentissage aligné sur le programme national anglais, et des activités pour l’accompagner. L’enseignant affine ensuite le plan, avec l’outil ou en dehors.

L’Education Endowment Foundation (EEF) a chargé la National Foundation for Educational Research (NFER) de mesurer l’effet sur la charge de travail. L’évaluation, publiée le 6 octobre 2026, est un essai randomisé par école sur dix semaines, à l’automne 2025. Elle porte sur des enseignants de Key Stage 2, soit des élèves de 7 à 11 ans. La NFER et le communiqué de l’EEF décrivent 464 enseignants dans 108 écoles. Les écoles étaient réparties entre un groupe encouragé à utiliser Aila et un groupe prié de ne pas l’utiliser. Les deux groupes pouvaient encore se servir d’autres outils d’IA générative, comme ChatGPT ou Microsoft Copilot. Les deux groupes devaient s’abstenir d’aller chercher de nouvelles ressources sur le site d’Oak National Academy, pour isoler Aila plutôt que la bibliothèque déjà existante.¹²³

La mesure principale est le temps, noté dans un journal hebdomadaire. La NFER indique qu’environ 2,5 heures par semaine ont été consacrées à la préparation des cours et des ressources dans le groupe Aila, contre 3,3 heures dans le groupe témoin. C’est 76 % du temps du groupe témoin : un écart de 0,8 heure, soit 48,6 minutes par semaine. Le communiqué de l’EEF décrit le même écart comme deux heures et demie contre 3 heures et 19 minutes, environ 49 minutes, et parle d’un quart (24 %). Un panel indépendant de six enseignants-évaluateurs a jugé la qualité des ressources. La NFER n’a pas trouvé de signe que les ressources du groupe Aila étaient moins bonnes.¹²

Ces heures viennent des synthèses publiées. Le rapport d’évaluation est plus précis sur qui entre dans la moyenne. Sur les 464 enseignants randomisés, 416 figurent dans l’analyse principale : 214 dans le groupe Aila et 202 dans le groupe témoin. 48 enseignants, soit 10,3 %, n’ont rempli aucun journal et ont été exclus. La page du projet EEF indique les mêmes 416 lorsqu’elle décrit les données retenues. L’attrition était un peu plus forte dans le groupe témoin, et le rapport dit que cet écart n’était pas statistiquement significatif. Les raisons citées sont la charge et des départs d’enseignants.³

C’est un résultat contrôlé, pas une estimation d’heures fournie par un vendeur. C’est aussi plus étroit qu’une affirmation selon laquelle les enseignants seraient devenus 24 % plus productifs sur l’ensemble du métier. Le gain mesuré concerne la préparation, pendant dix semaines. Les résultats publiés ne montrent pas que les élèves ont davantage appris, qu’une école pourrait fonctionner avec moins d’enseignants, ni que le gain durerait des années.

L’usage est resté modeste. La NFER indique qu’Aila a servi pour 7 % des cours en moyenne, et que la fréquence comme le volume d’usage ont baissé pendant l’essai. L’EEF ajoute que 81 % des enseignants du groupe Aila ont utilisé l’outil au moins une fois, et que moins d’un sur cinq estimait qu’il avait vraiment changé leur enseignement ou leur préparation. L’EEF signale aussi que ceux qui s’en servaient plus souvent gagnaient davantage de temps, y compris en écartant la première semaine et les vacances de mi-trimestre. C’est une association dans l’essai, pas la preuve qu’imposer un usage plus fort produirait le même gain.¹³

Les avis sont partagés. Les enseignants ont trouvé Aila accessible et aligné sur le programme, y compris pour un sujet peu familier. Beaucoup préféraient encore d’autres outils, ou des plans déjà en place. Aila est conçu pour aider à préparer un cours depuis zéro, ce qui demande plus d’implication que d’adapter un plan déjà fiable. Les productions devaient souvent être adaptées avant d’entrer en classe. L’EEF dit que presque tous les enseignants de l’essai citaient la préparation comme une source de stress, et avaient le sentiment d’y passer trop de temps. Un créneau plus court peut compter même si l’outil ne devient pas une habitude.³

Le gain de temps n’était pas le même pour tous. Dans le groupe Aila, les enseignants moins confiants dans leur matière, moins confiants sur le plan pédagogique, plus nouveaux dans le métier, ou plus à l’aise avec la technologie, étaient plus susceptibles de déclarer une charge plus faible que des enseignants comparables du groupe témoin.¹³

Le communiqué de l’EEF décrit aussi un essai antérieur, publié en décembre 2024, dans lequel des enseignants utilisant ChatGPT passaient 69 % du temps d’un groupe témoin prié de préparer sans aucun outil d’IA. La page du projet parle de ce résultat comme d’un gain de 31 % pour des enseignants de sciences en Key Stage 3. L’usage a aussi baissé dans cet essai. Les deux évaluations ont reçu une note de sécurité élevée de l’EEF. La comparaison n’est pas la même. Dans l’essai Aila, l’autre groupe pouvait encore utiliser l’IA générative. Les 49 minutes s’ajoutent à des outils déjà autorisés. Ce n’est pas une comparaison avec un monde sans IA.²³

Ben Styles, de la NFER, a dit que l’équipe veut étudier ensuite si un enseignant nouvellement qualifié, ou quelqu’un qui enseigne hors de sa matière, enseigne vraiment mieux avec un plan généré. Il a noté que se substituer à l’expérience pourrait aider, ou risquer des cours de moindre qualité. La question reste ouverte. L’essai d’octobre n’y répond pas.²

La pénurie concerne des personnes, et le besoin est surtout du remplacement

L’Institut de statistique de l’UNESCO, avec l’Équipe spéciale internationale sur les enseignants pour l’Éducation 2030, a publié une fiche pour la Journée mondiale des enseignants. L’article est daté du 5 octobre 2026 et a été mis à jour le 13 octobre. Il indique que le monde compte 107 millions d’enseignants et aura besoin de 50 millions de plus d’ici 2030 pour un accès universel à l’éducation préprimaire, primaire et secondaire. C’est un enseignant de plus pour deux actuellement en poste. Les 50 millions sont une projection de recrutement pour un objectif d’éducation. Ce n’est pas le décompte des postes vacants ce matin.⁴

58 % des enseignants nécessaires d’ici 2030 remplacent des personnes qui partent, et ne servent pas seulement à élargir les effectifs. L’attrition est de 7,2 % dans le préprimaire, 5,4 % dans le secondaire et 4,7 % dans le primaire. Si les gens partent à cause du salaire, de la charge, de la sécurité ou d’un manque de soutien, un premier jet plus rapide n’en traite qu’une partie.⁴

Sur les salaires, l’UNESCO indique que les enseignants du préprimaire et du primaire gagnent un peu moins que d’autres professionnels de qualification comparable. Dans deux pays sur cinq parmi les 68 analysés, les salaires des enseignants restent inférieurs à ceux de professionnels semblables, à tous les niveaux d’enseignement. Un assistant de préparation ne négocie pas un salaire, n’accompagne pas quelqu’un dans une classe difficile et ne rend pas une école sûre.⁴

La même publication décrit la semaine de travail : environ 19 heures en classe, et autour de 60 heures au total, dont une grande part de préparation, de correction et d’administration non payées. Dans le primaire, le ratio mondial élèves / enseignant formé est de 28 pour 1, le plus élevé de tous les niveaux. Un outil qui raccourcit la préparation peut compter dans cette semaine. Il ne change pas le ratio.⁴

Le statut est une question de rétention, et la preuve utile est plus étroite qu’un pourcentage mondial unique. Dans TALIS 2024, l’OCDE indique que les enseignants qui estiment la profession valorisée par la société sont plus de 10 % moins susceptibles de vouloir quitter l’enseignement dans les cinq ans, après prise en compte de la motivation, du type de contrat et de la satisfaction vis-à-vis des conditions d’emploi, salaire compris. La part de ceux qui se sentent valorisés n’est pas un seul chiffre. Elle dépasse 80 % au Kazakhstan, en Ouzbékistan et au Viet Nam, et elle est inférieure à 10 % dans la Communauté française de Belgique, en Croatie, en France, en Hongrie, au Portugal, en République slovaque et en Slovénie. Un logiciel ne confère pas ce statut.⁵

Un indicateur de déséquilibre n’est pas une liste de vacances

Le 14 octobre 2026, l’OCDE a publié Mapping Skill Shortages in OECD Countries, l’édition 2026 de la base Skills for Jobs, pour 38 pays. Elle ne compte pas les classes vides. Elle construit un indicateur composite à partir de signaux du marché du travail, dont la croissance de l’emploi, des salaires, des heures travaillées et des offres en ligne, puis classe chaque profession par rapport aux autres professions du même pays. L’année la plus récente est 2024 pour la plupart des pays. Le Chili et la Norvège s’arrêtent en 2022. La Corée, la République slovaque, la Suisse et la Türkiye s’arrêtent en 2023. L’Australie et la Nouvelle-Zélande incluent 2025.⁶⁷

Sur cette mesure, les pénuries se concentrent dans les professions hautement qualifiées. Les professionnels de l’enseignement figurent, avec ceux de la santé et des technologies de l’information et de la communication, parmi les pénuries les plus fortes et les plus durables. L’Australie, la France, le Royaume-Uni et les États-Unis montrent des pénuries persistantes d’enseignants. Plus de 30 % des enseignants ont plus de 50 ans, et seulement environ 10 % ont moins de 30 ans. Ils ont en moyenne plus de 16 années d’études, ce qui explique en partie pourquoi l’OCDE dit que former davantage d’enseignants ne comblera sans doute pas l’écart rapidement. Une population d’âge scolaire plus petite peut alléger la demande de scolarité initiale dans beaucoup de pays membres. La demande de formation tout au long de la vie, y compris la montée en compétences, peut maintenir ou augmenter le besoin sur une plus longue période.⁶⁷

Il ne faut pas additionner les 50 millions de l’UNESCO à cet indicateur. L’un est une projection mondiale liée à l’accès d’ici 2030. L’autre est un classement relatif dans un ensemble de pays, bâti sur des signaux historiques. Une moyenne nationale peut aussi masquer un écart local sévère. L’OCDE dit que ses résultats peuvent différer des exercices nationaux, parce que les données et la méthode diffèrent.⁴⁷

Ce que la projection de l’UNESCO et le classement de l’OCDE mettent en cause, c’est une hypothèse confortable : automatiser une tranche du travail professionnel résoudrait à elle seule le manque de personnes qualifiées. La même erreur apparaît quand une tâche devient plus facile et qu’un intitulé de poste est traité comme s’il avait disparu. L’IA change les tâches dans les métiers avant de changer les intitulés.

Décider à quoi servent les minutes gagnées

Imaginez une petite école associative dont les élèves ont des besoins très différents. C’est un exemple hypothétique, pas un cas rapporté. Les enseignants utilisent un assistant approuvé pour esquisser des plans et des exercices différenciés. Un responsable peut inscrire le temps de préparation plus court comme une économie. L’école peut aussi le consacrer au retour, aux échanges avec les familles, à l’entraide entre collègues, ou à un passage de plus pour un enfant qui a besoin d’aide.

Le second choix n’est pas automatiquement le bon. Certains enseignants épuisés préféreraient finir plus tôt. C’est un vrai bénéfice. L’essentiel est que quelqu’un décide, au grand jour, si le gain devient moins d’heures supplémentaires, un meilleur service, du temps de formation, ou un changement d’effectifs. Sans cette décision, les minutes libres se remplissent souvent de nouvelles tâches administratives.

Il y a aussi un piège de qualité. Un outil peut produire un plan plausible plus vite tout en déplaçant le travail de la rédaction vers la vérification. Les enseignants doivent encore juger l’exactitude, l’adéquation à l’âge, l’accessibilité, la protection des élèves et l’ajustement au programme local. Le résultat de la NFER est utile parce qu’il incluait un contrôle de qualité, et ce contrôle portait sur les ressources, pas sur ce que les élèves ont appris. Une école qui déploie un autre système ne doit pas supposer le même résultat.

Pour le décalage entre élargir une tâche et maîtriser le métier qui est derrière, voir pourquoi l’IA peut faire aller des apprentis au-delà de leur formation sans que cela compte comme une maîtrise.

Un petit essai vaut mieux qu’un programme

Les petites écoles, les associations et les équipes de formation n’ont pas besoin d’un grand programme d’IA pour apprendre quelque chose. Il leur faut une expérience courte, avec une base de comparaison. Choisissez une tâche récurrente, comme préparer des cours ou adapter des textes. Demandez à un groupe volontaire de noter le temps passé et les changements apportés au résultat. Comparez avec une période semblable, ou un groupe semblable, qui travaille sans l’outil. Les classes, les matières et les personnes différeront encore. Dites-le.

Mesurez plus que les minutes. Les supports sont-ils exacts et utilisables ? Les personnes gardent-elles la maîtrise professionnelle ? Les apprenants qui ont besoin de plus de soutien sont-ils mieux servis, ou seulement plus vite ? L’outil crée-t-il un risque pour la vie privée ou la protection ? Ne placez pas d’informations identifiantes sur des élèves dans un système qui n’a pas été approuvé pour cela. Incluez les personnes moins à l’aise, plutôt que de prendre les plus enthousiastes pour toute l’équipe.

Le chiffre utile pour un responsable n’est pas le nombre de requêtes. C’est de savoir si la tâche est devenue plus facile sans dégrader le service essentiel, et si les personnes ont vraiment gagné du temps ou de la capacité. Un créneau de préparation plus court peut soutenir la rétention. Il ne prouve pas, à lui seul, que les gens sont restés. Il faudrait le suivre plus longtemps.

Le jugement doit encore s’apprendre

L’IA peut changer le travail des spécialistes de l’éducation plutôt que seulement l’alléger. Un responsable de programme peut passer moins de temps sur un premier jet et plus de temps à tester les supports. Les personnes qui adaptent les apprentissages peuvent avoir plus de façons de modifier un contenu, et plus de responsabilité pour juger si l’adaptation aide. Un manager peut devoir fixer des règles pour les outils approuvés, la vie privée, l’accessibilité et l’évaluation. Ce sont des déplacements plausibles des tâches à l’intérieur d’un métier. Ce n’est pas la preuve que de nouveaux intitulés de poste sont déjà apparus à grande échelle.

Le soutien doit différer selon les personnes. Un débutant peut vouloir un point de départ structuré et avoir encore besoin du retour d’un collègue. Un expert peut vouloir le contrôle du contenu et moins de parcours figé. Le risque, pour les enseignants en début de carrière, est que la commodité remplace l’apprentissage du métier. S’ils acceptent une séquence générée sans discuter pourquoi elle fonctionne, ils gagnent en vitesse et manquent le jugement dont ils auront besoin quand un cours échoue. Si le brouillon sert de matériau qu’un mentor démonte, il peut devenir un objet de formation. L’essai d’octobre n’a pas testé ces effets de long terme. Les deux possibilités restent des questions.

Pour les organisations dans l’Union européenne, la ligne juridique est plus précise qu’un avertissement général sur « l’IA à l’école ». Cet article n’est pas un conseil juridique. L’annexe III du règlement européen sur l’IA classe comme à haut risque certains usages de l’éducation et de la formation professionnelle : les systèmes destinés à déterminer l’accès ou l’admission, à évaluer les résultats d’apprentissage, à apprécier le niveau d’éducation approprié, ou à surveiller et détecter un comportement interdit pendant les examens. Un outil qui rédige un cours n’est pas, par cette seule description, l’un de ces systèmes. Le classement dépend de ce que la technologie fait vraiment.⁸

Une autre règle porte sur l’usage, pas sur une étiquette de haut risque à venir. Le service desk de la Commission dit qu’utiliser un système d’IA pour inférer les émotions d’une personne au travail ou dans un établissement d’enseignement est interdit, sauf si le système est prévu pour des raisons médicales ou de sécurité. Le même service desk indique que les pratiques interdites sont exécutoires à partir du 2 août 2026. Les règles des systèmes à haut risque de l’annexe III s’appliquent à partir du 2 décembre 2027, à la suite du règlement (UE) 2026/1744, le paquet numérique omnibus sur l’IA. Une caméra qui note « l’engagement » d’un enseignant, ou l’humeur d’un élève, pose une autre question qu’un générateur de fiches. Les devoirs de protection des données s’appliquent déjà aux informations sur les élèves, quel que soit ce calendrier. Pour un regard plus proche sur la supervision humaine quand un logiciel influence des personnes au travail, voir qui supervise le manager algorithmique.⁹¹⁰¹¹

Questions que les responsables se posent vraiment

49 minutes signifient-elles qu’une école a besoin de moins d’enseignants ?

Non. L’essai a mesuré le temps de préparation des cours de Key Stage 2 pendant dix semaines. Il n’a pas testé les effectifs ni les acquis des élèves. Les 50 millions de l’UNESCO sont surtout une demande de remplacement. Un créneau de préparation plus court ne recrute pas, ne forme pas et ne retient pas la personne qui doit être dans la salle.¹⁴

Le chiffre de 24 % peut-il se lire comme un gain de productivité sur tout le métier ?

L’EEF décrit la baisse du temps de préparation comme un quart. Le ratio de la NFER est de 76 % du temps de préparation du groupe témoin. C’est une tâche. Les enseignants du groupe témoin pouvaient encore utiliser d’autres IA génératives. L’usage d’Aila représentait en moyenne 7 % des cours et a baissé pendant l’essai. Moins d’un enseignant sur cinq disait que l’outil avait vraiment changé son enseignement ou sa préparation.¹²³

Une petite organisation doit-elle attendre un outil parfait ?

Non. Elle devrait tester un outil approuvé sur une tâche, avec une base, un contrôle de qualité et une décision écrite sur la destination du temps gagné. Elle ne devrait pas coller d’informations sur les élèves dans un système non approuvé, ni prendre l’utilisateur le plus enthousiaste pour la preuve que tout le monde en a bénéficié.

Comment hilighter peut aider

hilighter ne prépare pas les cours, ne corrige pas les travaux et ne décide pas du nombre d’enseignants dont une école a besoin. Pour un organisme de formation, une association ou un service, la question pratique est la même que celle que ces preuves soulèvent : quelles tâches sont devenues plus légères, quelles compétences doivent encore être démontrées, et qui répond du jugement qui reste.

hilighter aide les équipes à cartographier les compétences par métier, à comparer les personnes à ces exigences dans Compétences et talents, à enregistrer une preuve de capacité dans Preuves et reconnaissance des compétences et à définir des parcours de développement personnalisés. Sa vue Impact de l’IA sur les métiers est indicative. Ce n’est pas une prédiction qu’un métier va disparaître. Une offre gratuite couvre jusqu’à trois métiers, avec des salariés en nombre illimité.

Sources

1. Roy, P., Poet, H., Staunton, R., Aston, K., Thomas, D. et Styles, B., NFER, Lesson planning using AI lesson assistant, Aila : A Teacher Choices Trial, 6 octobre 2026.
2. Education Endowment Foundation, AI tool reduced primary teachers’ lesson planning time by a quarter, but views on the tool were mixed, 6 octobre 2026.
3. Education Endowment Foundation, Aila Teacher Choices trial (page du projet : 416 enseignants dans les données retenues, restriction du site Oak, 7 % des cours, 81 % d’usage au moins une fois, profil des sous-groupes, et essai ChatGPT de décembre 2024 décrit comme un gain de 31 %). Le rapport d’évaluation (NFER pour l’EEF, octobre 2026) est la source de l’échantillon d’analyse : 416 des 464 enseignants randomisés, 214 et 202 selon le groupe, et 48 sans journal (10,3 %).
4. UNESCO, New UNESCO data : For every two teachers, the world needs one more, 5 octobre 2026, dernière mise à jour le 13 octobre 2026. Institut de statistique de l’UNESCO et Équipe spéciale internationale sur les enseignants pour l’Éducation 2030.
5. OCDE, Sustaining the teaching profession : Results from TALIS 2024.
6. OCDE, Mapping Skill Shortages in OECD Countries, 14 octobre 2026, https://doi.org/10.1787/735f9485-en.
7. OCDE, Occupational imbalances, skill shortages and policy implications, dans le même rapport (dernière année par pays ; professionnels de l’enseignement, âge et années d’études).
8. Commission européenne, AI Act Service Desk, Annex III, point 3 (éducation et formation professionnelle).
9. Commission européenne, AI Act Service Desk, Is emotion recognition prohibited in workplace and education settings ?.
10. Commission européenne, AI Act Service Desk, When does enforcement start ? (pratiques interdites exécutoires à partir du 2 août 2026 ; règles de l’annexe III à partir du 2 décembre 2027).
11. Règlement (UE) 2026/1744, Digital Omnibus on AI, modifiant le règlement (UE) 2024/1689, y compris la date d’application des systèmes à haut risque de l’annexe III.

Dernière vérification des sources : 30 octobre 2026. Les 49 minutes couvrent la préparation des cours et des ressources dans un seul essai anglais, pas l’ensemble du métier, et le groupe témoin pouvait encore utiliser d’autres IA génératives. Les 50 millions de l’UNESCO sont une projection à 2030, surtout du remplacement, pas un recensement des vacances. Le chiffre de l’OCDE est un indicateur relatif. TALIS décrit une intention de partir, pas un taux de démission mesuré. Les dates de l’UE suivent le service desk de la Commission et EUR-Lex et ne constituent pas un conseil juridique. L’essai ChatGPT de décembre 2024 est décrit ici comme l’EEF le présente sur ses pages d’octobre 2026 ; ce rapport antérieur n’a pas été rouvert pour cet article. Traduction à relire par un natif.