L'IA va-t-elle remplacer les professeurs d'économie domestique ? La surprenante fracture

Voici un chiffre qui devrait remodeler votre façon de penser l'enseignement en 2026 : 55 %. C'est le taux d'automatisation pour l'élaboration de programmes et la préparation de cours en économie domestique — plus de cinq fois le taux pour la supervision des travaux pratiques, qui se situe à seulement 10 %.

Si vous enseignez l'économie domestique dans une université ou un collège, vous vivez dans une profession qui est scindée en deux par l'IA. La moitié de votre travail est en cours de transformation. L'autre moitié s'en aperçoit à peine. Les enseignants qui reconnaissent cette fracture — et agissent en conséquence — passeront la prochaine décennie à accomplir davantage avec moins de charge administrative. Ceux qui ne le font pas passeront la même décennie à combattre des outils qu'ils auraient pu transformer en alliés.

Deux métiers en un

Les professeurs d'économie domestique dans les établissements post-secondaires font actuellement face à une exposition globale à l'IA de 42 % et un risque d'automatisation de 22 %, selon notre analyse fondée sur le cadre d'impact économique d'Anthropic, Eloundou et al. (2023) et Brynjolfsson et al. (2025). [Fait] Le niveau d'exposition est qualifié de « moyen », et le mode d'automatisation est « augmentation » — ce qui signifie que l'IA améliore le travail plutôt qu'elle ne remplace le travailleur.

Mais ce chiffre global dissimule une fracture interne spectaculaire. L'élaboration de programmes et la préparation de cours affichent un taux d'automatisation de 55 %. [Fait] L'IA peut générer des plans de cours, suggérer des listes de lecture, créer des barèmes de notation, rédiger des questions d'examen et assembler des supports pédagogiques multimédias en quelques minutes. Des outils comme ChatGPT, Claude et des plateformes IA spécialisées par discipline ont rendu cette tâche autrefois chronophage remarquablement rapide. L'enquête 2025 de la Chronicle of Higher Education auprès des enseignants a révélé que plus de la moitié des instructeurs post-secondaires avaient utilisé l'IA générative pour la préparation de cours au cours du semestre précédent. [Affirmation]

La notation des travaux et l'évaluation des portfolios étudiants suivent de près à 50 % d'automatisation. [Fait] Les systèmes de notation automatisés peuvent traiter les évaluations à choix multiples, fournir des retours initiaux sur les travaux écrits et repérer des schémas dans les performances des étudiants qui prendraient à un instructeur humain des semaines à identifier. Les systèmes de gestion de l'apprentissage comme Canvas, Blackboard et Moodle ont intégré des fonctionnalités de retour IA dans leurs flux de notation, et des outils autonomes comme Gradescope se sont imposés dans le courant dominant de l'évaluation dans l'enseignement supérieur.

Puis vient l'autre versant : la supervision des travaux pratiques et en laboratoire se situe à seulement 10 % d'automatisation. [Fait] Quand les étudiants apprennent à cuisiner des repas nutritifs, à gérer un budget familial avec des scénarios réels, ou à pratiquer des techniques de développement de l'enfant, ils ont besoin d'un instructeur humain physiquement présent, pour démontrer, corriger et répondre à la réalité imprévisible de l'apprentissage pratique. La cuisine pédagogique, l'atelier textile, le laboratoire de gestion des ressources familiales — ce sont des environnements où l'IA est dans le programme, pas dans la salle.

La réalité du marché

Le BLS projette +3 % de croissance pour cette profession d'ici 2034 — modeste mais positif. [Fait] Avec un salaire annuel médian de 74 580 $ et environ 5 900 postes à l'échelle nationale, c'est un domaine restreint mais stable selon la publication OEWS du Bureau of Labor Statistics. [Fait] La croissance reflète une demande soutenue d'éducation en sciences de la famille et de la consommation, notamment car des sujets comme l'éducation financière, la politique nutritionnelle, la consommation durable et la résilience du foyer gagnent en importance culturelle dans un environnement politique post-pandémique.

L'exposition théorique à l'IA pour ce rôle atteint 62 %, mais l'exposition observée — ce qui se passe réellement dans les salles de classe en ce moment — n'est que de 22 %. [Affirmation] Cet écart de 40 points de pourcentage est significatif. Il nous dit que si la technologie existe pour automatiser une grande partie de l'aspect administratif et de création de contenu de l'enseignement, l'adoption dans les environnements académiques réels a été lente. Les politiques institutionnelles, les préoccupations d'intégrité académique, les niveaux de confort des enseignants, les exigences d'accréditation des organismes comme l'American Association of Family and Consumer Sciences, et la simple inertie des habitudes professorales titulaires freinent toutes l'adoption de l'IA.

Cet écart se comblera avec le temps. Les universités qui ont adopté des politiques sur l'IA en 2024 les renégocient en 2026 avec plus de nuance sur les utilisations appropriées. Les accréditeurs régionaux travaillent sur des lignes directrices. Les syndicats d'enseignants négocient des changements de charge de travail liés à l'IA. Le domaine se restructure, et la trajectoire pointe vers plus d'adoption, pas moins.

Les disciplines que l'IA ne peut pas remplacer

L'économie domestique — de plus en plus rebaptisée sciences de la famille et de la consommation dans de nombreux établissements — se situe à l'intersection de disciplines qui résistent à l'automatisation facile : sciences de la nutrition, développement de l'enfant, textiles et habillement, gestion financière du foyer, comportement des consommateurs et études familiales. Le cœur pédagogique de ce domaine est l'apprentissage expérientiel. Les étudiants apprennent à planifier une semaine de repas avec un budget équivalent au programme SNAP en le faisant réellement, pas en lisant à ce sujet. Ils apprennent à enseigner à un enfant à compter en travaillant avec des enfants, pas en regardant des simulations.

La loi Smith-Lever de 1914 et le système coopératif d'extension qui en découle ont ancré l'enseignement de l'économie domestique dans le service communautaire direct dès le départ. [Fait] Cet héritage façonne le domaine moderne. Les enseignants sont attendus non seulement pour enseigner, mais pour s'engager avec les communautés — en animant des programmes d'extension, en conseillant des clubs 4-H, en partenariat avec des bureaux WIC, en formant des travailleurs de la petite enfance dans des établissements agréés. Ces partenariats communautaires impliquent des relations et une confiance qui ne peuvent pas être déléguées à un chatbot.

Ce que font les enseignants avisés

D'ici 2028, l'exposition globale devrait atteindre 60 % avec un risque d'automatisation montant à 38 %. [Estimation] Les enseignants qui prospéreront sont ceux qui s'appuient sur l'IA pour ce qu'elle fait bien — préparation de contenu, assistance à la notation, parcours d'apprentissage personnalisés, aménagements pour les étudiants en situation de handicap, traduction de supports de cours en plusieurs langues — et qui redoublent d'efforts sur ce qu'elle ne peut pas faire : accompagner les étudiants dans des expériences pratiques, apporter une expertise du monde réel dans les environnements de laboratoire, et offrir le type de connexion humaine qui rend l'éducation transformatrice.

Le conseil pratique est simple. Apprenez à utiliser l'IA comme votre assistant pédagogique pour les programmes, la notation et la création de contenu. Constituez une bibliothèque personnelle de prompts qui fonctionnent pour votre discipline. Documentez le temps économisé, aussi bien pour votre propre évaluation de performance que pour le plaidoyer départemental lors des discussions budgétaires. Puis réinvestissez votre temps libéré dans ce qui rend unique l'enseignement de l'économie domestique : la cuisine, le laboratoire, le centre de ressources familiales, les moments en face-à-face où les étudiants apprennent en faisant.

Il existe également une opportunité curriculaire ici. L'économie domestique est l'un des rares domaines qui prépare les étudiants à un avenir saturé d'IA sans nécessiter de refonte majeure. Apprendre aux familles à évaluer les conseils nutritionnels générés par l'IA, aider les consommateurs à comprendre la tarification pilotée par l'IA dans le commerce de détail, former la prochaine génération de travailleurs sociaux à repérer les biais algorithmiques dans les services à la famille — ce sont des extensions naturelles du programme existant, et elles maintiennent le domaine pertinent dans les discussions sur la politique technologique.

L'IA peut rédiger votre programme. Elle ne peut pas apprendre à quelqu'un à coudre un bouton ou à équilibrer un budget familial sous pression.

Stratégie de carrière

Pour les enseignants en milieu de carrière, la voie à suivre implique de récupérer le temps que l'IA libère. Utilisez les heures économisées pour publier davantage, encadrer plus d'étudiants en doctorat, nouer des partenariats communautaires ou prendre en charge les rôles de directeur de programme qui dépendent de personnes qui en veulent réellement. [Affirmation] Les départements qui démontrent une productivité augmentée par l'IA de façon mesurable — améliorations du ratio étudiants/enseignants, offre de cours élargie, accélération de la rédaction de propositions de subventions — plaident mieux en faveur du maintien et de la croissance de leurs programmes.

Pour les doctorants qui envisagent des carrières académiques en sciences de la famille et de la consommation, les nouvelles sont mitigées mais globalement encourageantes. Le marché est restreint. Les postes sur titularisation sont compétitifs. Mais le domaine est véritablement en croissance, le travail compte, et l'IA est un outil que vous devrez manier plutôt que combattre.

Pour des données détaillées sur l'automatisation tâche par tâche, consultez le profil complet de la profession.

---

Analyse assistée par IA basée sur le cadre d'impact économique d'Anthropic, Eloundou et al. (2023), Brynjolfsson et al. (2025), les bases de données OEWS et OOH du Bureau of Labor Statistics, et les classifications de tâches O\NET.*

Historique des mises à jour

• 2026-04-08 : Publication initiale avec l'analyse des données 2025.
• 2026-05-09 : Enrichi avec le contexte historique de la loi Smith-Lever, le cadre d'accréditation, la section opportunité curriculaire et la stratégie de carrière pour les enseignants.