Rapport sur l'éducation anthropique : Comment les étudiants universitaires utilisent Claude
8 avril 2025●12 minutes delecture
Les systèmes d'IA ne sont plus de simples outils de recherche spécialisés : ils sont devenus des compagnons académiques du quotidien. À mesure que l'IA s'intègre de plus en plus aux environnements éducatifs, nous devons nous pencher sur des questions importantes concernant l'apprentissage, l'évaluation et le développement des compétences. Jusqu'à présent, la plupart des discussions se sont appuyées sur des enquêtes et des expériences contrôlées plutôt que sur des preuves directes de la manière dont les étudiants intègrent naturellement l'IA à leurs travaux universitaires en situation réelle. Pour combler cette lacune, nous avons mené l’une des premières études à grande échelle sur les modèles d’utilisation de l’IA dans le monde réel dans l’enseignement supérieur, en analysant un million de conversations d’étudiants anonymisées sur Claude.ai. Les principales conclusions de notre rapport sur l’éducation sont les suivantes :
• Les étudiants en STEM sont parmi les premiers à adopter les outils d'IA comme Claude. Les étudiants en informatique sont particulièrement surreprésentés (ils représentent 36,8 % des conversations des étudiants, contre seulement 5,4 % des diplômes américains). En revanche, les étudiants en commerce, santé et lettres affichent des taux d'adoption inférieurs par rapport à leurs effectifs. • Nous avons identifié quatre modèles par lesquels les étudiants interagissent avec l'IA, chacun d'entre eux étant présent dans nos données à des taux à peu près égaux (chacun 23 à 29 % des conversations) : résolution directe de problèmes, création directe de résultats, résolution collaborative de problèmes et création collaborative de résultats. • Les étudiants utilisent principalement les systèmes d'IA pour créer (utiliser des informations pour apprendre quelque chose de nouveau) et analyser (décomposer les relations connues et les identifier), par exemple pour créer des projets de codage ou analyser des concepts juridiques. Cela correspond aux fonctions cognitives d'ordre supérieur de la taxonomie de Bloom . Cela soulève des questions quant à la nécessité de veiller à ce que les étudiants ne confient pas des tâches cognitives critiques aux systèmes d'IA.
Lors de l'étude de l'utilisation des modèles d'IA, la protection de la vie privée des utilisateurs est primordiale. Pour ce projet, nous avons utilisé Claude Insights and Observations, ou « Clio », notre outil d'analyse automatisé qui fournit des informations sur la façon dont les utilisateurs utilisent Claude. Clio permet une découverte ascendante des habitudes d'utilisation de l'IA en synthétisant les conversations des utilisateurs en résumés d'utilisation détaillés, tels que « dépannage de code » ou « explication de concepts économiques ». Clio utilise un processus automatisé multicouche qui supprime les informations privées des utilisateurs des conversations. Nous avons conçu ce processus de manière à minimiser le transfert d'informations d'une couche à l'autre. Nous décrivons la conception de Clio axée sur la confidentialité dans ce billet précédent . Français Nous avons utilisé Clio pour analyser environ un million de conversations anonymisées 1 provenant de comptes Claude.ai Free et Pro liés à des adresses e-mail d'enseignement supérieur. 2 Nous avons ensuite filtré ces conversations en fonction de leur pertinence pour les étudiants et les universitaires, par exemple si la conversation portait sur des cours ou des recherches universitaires, ce qui a donné lieu à 574 740 conversations. 3 Clio a ensuite regroupé ces conversations pour obtenir des informations globales liées à l'éducation : comment les différentes matières académiques étaient représentées ; comment l'interaction entre les étudiants et l'IA différait ; et les types de tâches cognitives que les étudiants délèguent aux systèmes d'IA.
Nous avons constaté que les étudiants utilisent principalement Claude pour créer et améliorer du contenu pédagogique dans toutes les disciplines (39,3 % des conversations). Il s'agit souvent de concevoir des exercices pratiques, de corriger des dissertations ou de résumer du contenu académique. Ils utilisent également fréquemment Claude pour fournir des explications ou des solutions techniques à des travaux académiques (33,5 %), en travaillant avec l'IA pour déboguer et corriger des erreurs dans les travaux de codage, implémenter des algorithmes de programmation et des structures de données, et expliquer ou résoudre des problèmes mathématiques. Une partie de cette utilisation pourrait également relever de la triche, comme nous l'abordons ci-dessous. Une part plus faible, mais néanmoins significative, de l'utilisation de Claude par les étudiants concerne l'analyse et la visualisation de données (11,0 %), le soutien à la conception de recherches et au développement d'outils (6,5 %), la création de diagrammes techniques (3,2 %) et la traduction ou la relecture de contenu entre les langues (2,4 %). Vous trouverez ci-dessous une répartition plus détaillée des demandes courantes dans toutes les matières.Demandes courantes des étudiants des quatre principaux domaines d'études, basées sur les 15 demandes les plus fréquentes dans Clio dans chaque matière.
Nous avons ensuite examiné les matières qui présentaient une utilisation disproportionnée de Claude. Nous l'avons fait en comparant les modèles d'utilisation de Claude.ai avec le nombre de licences américaines décernées. 4 L'utilisation la plus disproportionnée de Claude était en informatique : bien qu'elle ne représente que 5,4 % des licences américaines, l'informatique représentait 38,6 % des conversations sur Claude.ai (ce qui pourrait refléter les points forts particuliers de Claude en codage informatique). Les sciences naturelles et les mathématiques affichent également une représentation plus élevée dans Claude.ai par rapport aux inscriptions d'étudiants (15,2 % contre 9,2 %, respectivement). À l'inverse, les conversations éducatives liées aux affaires ne représentaient que 8,9 % des conversations, bien qu'elles constituent 18,6 % des diplômes de licence, ce qui montre une utilisation disproportionnellement faible de Claude. Les professions de la santé (5,5 % contre 13,1 %) et les sciences humaines (6,4 % contre 12,5 %) étaient également moins représentées par rapport aux inscriptions d'étudiants dans ces disciplines. Ces tendances suggèrent que les étudiants en STEM, notamment en informatique, pourraient adopter Claude plus tôt à des fins pédagogiques, tandis que les étudiants en commerce, santé et sciences humaines pourraient intégrer ces outils plus lentement à leurs flux de travail académiques. Cela pourrait refléter une meilleure connaissance de Claude au sein des communautés informatiques, ainsi qu'une meilleure maîtrise des systèmes d'IA pour les tâches effectuées par les étudiants en STEM par rapport à celles des étudiants d'autres disciplines.
Comparaison du pourcentage de conversations d'étudiants Claude.ai liées à une matière du National Center for Education Statistics ( NCES ) (en gris) avec le pourcentage d'étudiants américains ayant une spécialisation associée (en orange). Notez que la somme des pourcentages n'est pas égale à 100 %, car certaines conversations ont été classées dans la catégorie « Autre » du NCES, que nous excluons de notre analyse.
Il existe de nombreuses façons d'interagir avec l'IA, et chacune d'elles influence différemment le processus d'apprentissage. Notre analyse des interactions des étudiants avec l'IA a permis d'identifier quatre schémas d'interaction distincts, classés selon deux axes distincts, comme illustré dans la figure ci-dessous. Le premier axe était le « mode d'interaction ». Il pouvait inclure : (1) des conversations directes , où l'utilisateur cherche à résoudre sa requête le plus rapidement possible ; et (2) des conversations collaboratives , où l'utilisateur cherche activement à dialoguer avec le modèle pour atteindre ses objectifs. Le deuxième axe était le « résultat souhaité » de l'interaction. Il pouvait inclure : (1) la résolution de problèmes , où l'utilisateur cherche des solutions ou des explications à ses questions ; et (2) la création de résultats , où l'utilisateur cherche à produire des résultats plus longs, comme des présentations ou des essais. La combinaison de ces deux axes nous donne les quatre modèles présentés ci-dessous.
Notre taxonomie pour les conversations étudiants-IA, ainsi que des exemples de sujets de conversation basés sur ceux mis en évidence par Clio. Ces quatre styles d'interaction étaient représentés à des taux similaires (entre 23 % et 29 % des conversations chacun), ce qui illustre la diversité des utilisations de l'IA par les étudiants. Alors que la recherche web traditionnelle ne permet généralement que des réponses directes, les systèmes d'IA permettent une plus grande variété d'interactions et, par conséquent, de nouvelles opportunités éducatives. Voici quelques exemples d'apprentissage positif :
• Expliquer et clarifier les concepts et théories philosophiques • Créer des ressources pédagogiques et du matériel d'étude complets en chimie • Expliquer l'anatomie, la physiologie et les concepts fonctionnels des muscles pour les devoirs académiques
Parallèlement, les systèmes d'IA présentent de nouveaux défis. Une question fréquente est : « Dans quelle mesure les étudiants utilisent-ils l'IA pour tricher ? » Il est difficile de répondre à cette question, d'autant plus que nous ignorons le contexte pédagogique spécifique dans lequel chaque réponse de Claude est utilisée. Par exemple, une conversation de résolution directe de problèmes pourrait servir à tricher lors d'un examen à domicile… ou à un étudiant qui vérifie son travail lors d'un test blanc. Une conversation de création directe de résultats pourrait servir à rédiger une dissertation de toutes pièces… ou à créer des synthèses de connaissances pour des recherches complémentaires. La question de savoir si une conversation collaborative constitue une tricherie peut également dépendre du règlement spécifique du cours. Cela dit, près de la moitié (environ 47 %) des conversations entre étudiants et IA étaient directes, c'est-à-dire qu'elles visaient à obtenir des réponses ou du contenu avec un engagement minimal. Si nombre de ces conversations servent des objectifs d'apprentissage légitimes (comme poser des questions conceptuelles ou créer des guides d'étude), nous avons relevé des exemples de conversations directes préoccupantes, notamment :
• Fournir des réponses aux questions à choix multiples d'apprentissage automatique • Fournir des réponses directes aux questions du test d'anglais • Réécrire les textes marketing et commerciaux pour éviter la détection de plagiat Ces questions soulèvent d'importantes questions sur l'intégrité académique, le développement de l'esprit critique et la meilleure façon d'évaluer l'apprentissage des élèves. Même les conversations collaboratives peuvent avoir des résultats d'apprentissage discutables. Par exemple, « résoudre des problèmes de probabilités et de statistiques avec des explications » peut impliquer plusieurs échanges entre l'IA et l'élève, mais cela décharge néanmoins l'IA d'une part importante de la réflexion. Nous continuerons d'étudier ces interactions et tenterons de mieux identifier celles qui contribuent à l'apprentissage et au développement de l'esprit critique.
Les étudiants de toutes les disciplines interagissent avec l’IA de différentes manières : • Les conversations sur les sciences naturelles et les mathématiques étaient généralement axées sur la résolution de problèmes, comme « résoudre des problèmes de probabilité spécifiques avec des calculs étape par étape » et « résoudre des problèmes de devoirs ou d'examens académiques avec des explications étape par étape ». • L'informatique , l'ingénierie et les sciences naturelles et mathématiques se sont orientées vers les conversations collaboratives, tandis que les sciences humaines, les affaires et la santé étaient plus uniformément réparties entre les conversations collaboratives et directes. • Le secteur Éducation a affiché la plus forte préférence pour la création de contenu, couvrant 74,4 % des conversations. Cependant, cette utilisation pourrait provenir d'imperfections dans nos méthodes de filtrage. Nombre de ces conversations portaient sur la « création de supports pédagogiques et de ressources pédagogiques complets » et la « création de plans de cours détaillés », ce qui indique que les enseignants utilisent également Claude pour le soutien pédagogique. Au total, le secteur Éducation a représenté 3,8 % de l'ensemble des conversations. Cela suggère que les approches pédagogiques de l'intégration de l'IA gagneraient probablement à être spécifiques à chaque discipline.
