Enseignant-chercheur

États-Unis. L'office statistique prévoit que l'emploi total des enseignants du supérieur progressera de 7 % de 2025 à 2035, bien plus vite que la moyenne, à partir de 1 378 200 emplois, avec environ 103 300 postes à pourvoir par an. La page ne mentionne pas l'IA. Elle compte des emplois pour un seul pays, non des tâches.

Une personne nommée, ayant une position reconnue, a publiquement prédit quelque chose, à une date, dans une déclaration attribuable. On l'enregistre pour que qui a dit quoi, et quand, reste vérifiable — et cela ne déplace jamais l'appréciation d'une tâche, car une prévision n'est pas une observation. Sa valeur arrive plus tard : l'enregistrement se trouve sur la même page que les preuves concernant ce métier, donc qui lit la prévision lit à côté le relevé de ce qui s'est passé ensuite. C'est là que les comptes se font ; ce site ne publie aucun verdict sur la réalisation d'une prévision.

Revues médicales qui suivent les recommandations de l'ICMJE. Elles indiquent que les agents conversationnels comme ChatGPT ne devraient pas figurer comme auteurs parce qu'ils ne peuvent pas répondre de l'exactitude, de l'intégrité et de l'originalité du travail, responsabilités requises pour être auteur, et que les relecteurs doivent demander l'autorisation de la revue avant d'utiliser une technologie d'IA pour faciliter leur évaluation. C'est une norme éditoriale pour les revues médicales, non une loi.

Un échec, un retour en arrière, une réglementation ou un coût freine l'adoption. Cela peut abaisser une appréciation ou élargir son incertitude.

États-Unis, un cours de physique de premier cycle. Dans un plan croisé randomisé sur deux séances, les gains d'apprentissage médians par rapport au niveau du prétest ont été plus du double pour les étudiants utilisant un tuteur IA conçu à cet effet, comparés à une séance d'apprentissage actif en classe ; les auteurs signalent un effet plafond dans les scores du post-test. Ce sont deux séances dans un seul cours ; les auteurs ont déclaré n'avoir aucun conflit d'intérêts.

Une démonstration, un référentiel ou un article montre que la tâche peut être faite. Cela met à jour ce que la technologie sait faire — pas ce que les employeurs feront.

Le processus d'évaluation d'une conférence d'IA en 2025. Dans une étude randomisée, un agent fondé sur un grand modèle de langage a fait des retours aux relecteurs sur leurs évaluations ; l'article indique que 27 % des relecteurs ayant reçu un retour ont modifié leur évaluation, et que plus de 12 000 suggestions ont été intégrées. Les auteurs ont construit le système qu'ils évaluent, et il a fonctionné dans une seule conférence.

Essai à petite échelle dans un cadre réel. Cela nous dit que les conditions de déploiement sont mises à l'épreuve, non qu'elles sont réunies — donc un pilote ne suffit jamais à lui seul ; deux indépendants suffisent.

Suisse, examens de physique dans une université. L'étude utilise des seuils psychométriques pour décider quelles réponses l'IA note et lesquelles vont à des personnes, et indique que l'IA peut atteindre un coefficient de détermination d'environ 0,91 par rapport aux notes humaines en prenant en charge la moitié de la correction, et d'environ 0,96 pour un cinquième de la charge. C'est une seule étude exploratoire sur un seul type d'examen.

Une démonstration, un référentiel ou un article montre que la tâche peut être faite. Cela met à jour ce que la technologie sait faire — pas ce que les employeurs feront.

Royaume-Uni, les examens de psychologie d'une université. Les chercheurs ont soumis des réponses rédigées par IA à de vrais examens à faire chez soi à l'insu des correcteurs, et indiquent que 94 % des copies d'IA sont passées inaperçues, 97 % selon un critère plus strict, et que les notes attribuées étaient en moyenne supérieures d'une demi-tranche de mention à celles des vrais étudiants. C'est un seul département et une seule série d'examens, avec des modèles de l'époque de 2023 ; les auteurs ont déclaré n'avoir aucun conflit d'intérêts.

Une démonstration, un référentiel ou un article montre que la tâche peut être faite. Cela met à jour ce que la technologie sait faire — pas ce que les employeurs feront.

États-Unis, le cours d'introduction à l'informatique de Harvard. L'équipe pédagogique décrit le déploiement d'outils fondés sur l'IA — un assistant faisant office de tuteur et l'explication de code — auprès d'environ 500 étudiants sur le campus, et indique que 22 réponses de cours sur 25 (88 %) qu'elle a vérifiées étaient correctes. L'équipe évalue ses propres outils, et l'article remercie des entreprises technologiques, dont OpenAI et Microsoft, pour leur soutien.

Un employeur l'a mis en production. Cela peut déplacer la ligne de base — pondéré par l'échelle et par la ressemblance du cadre avec le vôtre.

Évaluations par les pairs de conférences d'IA (ICLR, NeurIPS, CoRL, EMNLP). À l'aide d'un estimateur au niveau de la population, l'étude indique qu'entre 6,5 % et 16,9 % du texte soumis comme évaluations par les pairs à ces conférences pourraient avoir été substantiellement modifiés par de grands modèles de langage, au-delà de la correction orthographique ou de retouches mineures de rédaction. Elle ne couvre que des conférences d'IA et estime des parts de texte, non des relecteurs individuels.

Usage mesuré et à grande échelle d'un outil pour du travail réel, où la décision de l'utiliser vient de la personne qui travaille et non de l'employeur. C'est plus qu'un enregistrement de capacité — le travail est réel, pas une démonstration — et moins qu'un enregistrement de déploiement, car aucun employeur ne l'a mis en production, ne l'a exigé, ni n'a construit un processus autour. Pondéré `cautious` : `automating` signifie que la machine sait faire la tâche ET qu'il y a des signes d'adoption, et ceci est un signe d'adoption ; mais l'usage peut être expérimental, et une bonne part de la mesure vient d'une partie intéressée, donc un enregistrement ne suffit jamais et deux indépendants suffisent. Regardez qui compte. La télémétrie d'un fournisseur voit cela directement et vend l'outil, donc un tel enregistrement déclare cet intérêt dans son périmètre ; une agence statistique qui demande aux entreprises si leurs salariés utilisent l'IA dans leurs tâches voit le même canal sans aucun intérêt propre, et là où elle existe, c'est la meilleure source.

Royaume-Uni, enseignement supérieur. L'avis de l'agence à ses membres indique que les productions des logiciels d'IA générative, malgré leurs limites, ne peuvent pas être détectées de manière fiable, et expose comment les établissements peuvent repenser l'évaluation en conséquence. C'est un avis, non une obligation, et il ne mesure pas comment l'évaluation a changé.

Un échec, un retour en arrière, une réglementation ou un coût freine l'adoption. Cela peut abaisser une appréciation ou élargir son incertitude.

Si vous débutez, attendez-vous à ce que les tuteurs IA et les outils de notation prennent une partie de la charge d'enseignement courante, et à ce que la conception des évaluations devienne une part plus grande et plus difficile du métier. Le statut d'auteur de la recherche et le jugement d'évaluation restent les vôtres selon les règles des revues.

Attendez-vous à refondre l'évaluation pour un monde où les travaux écrits peuvent être générés, et à superviser des outils d'IA dans l'enseignement et la correction. Votre responsabilité d'auteur et de relecteur est ce que les règles des éditeurs vous réservent.

Rester et se renforcer

Rester, et piloter la refonte des évaluations

Les réponses rédigées par IA passent inaperçues et ne peuvent pas être détectées de manière fiable ; il faut quelqu'un pour concevoir des évaluations qui mesurent encore l'apprentissage.

Refaçonner le poste

Évoluer vers l'enseignement avec des tuteurs IA

Des essais montrent que les tuteurs IA peuvent augmenter les gains d'apprentissage, et des cours mettent des outils d'IA entre les mains de centaines d'étudiants.

Mouvement latéral

Évoluer vers l'intégrité scientifique ou des fonctions éditoriales

Les éditeurs et les revues écrivent des règles sur l'IA dans le statut d'auteur et l'évaluation, et ont besoin de personnes capables de les appliquer.

Pas au vu des éléments actuels. Les tuteurs IA et les outils de notation font bien des parties de l'enseignement et de la correction lors d'essais, et des réponses rédigées par IA passent entre les mailles des examens. Mais les revues laissent le statut d'auteur et le jugement d'évaluation à des personnes, et les projections américaines prévoient que l'emploi d'enseignant du supérieur progresse de 7 % de 2025 à 2035. Le métier se déplace vers la conception des évaluations et la supervision de l'IA.

Nous ne répondons pas à cela par un nombre d'années. Surveillez si les universités se mettent à délivrer des diplômes sur des cours enseignés et corrigés par l'IA sans que des universitaires en répondent, et si les revues acceptent l'IA comme auteur ou comme relecteur. Aujourd'hui, les règles consignées ici disent non aux deux.

En partie. Dans une étude de l'ETH Zurich, la notation par IA d'examens de physique a atteint un coefficient de détermination d'environ 0,91 lorsqu'elle prenait en charge la moitié de la correction, le reste étant laissé à des personnes. Détecter les réponses rédigées par IA est plus difficile : à l'université de Reading, 94 % des copies d'IA sont passées inaperçues.

Les projections américaines prévoient que l'emploi d'enseignant du supérieur progresse de 7 % de 2025 à 2035, avec environ 103 300 postes à pourvoir par an. Les parties du métier que les règles et les revues réservent à des personnes — le statut d'auteur, l'évaluation et le fait de répondre des examens — gagnent en importance.