L'IA va-t-elle remplacer les enseignants du supérieur ? La salle de cours universitaire se transforme rapidement

Chaque professeur d'université connaît ce sentiment. Vous confiez un travail de recherche, et la première question n'est plus « sur quoi devrais-je écrire ? » mais « puis-je utiliser ChatGPT ? » L'outil qui menace le devoir est le même qui pourrait vous aider à en corriger 200. [Affirmation]

Les enseignants du supérieur font face à un risque d'automatisation de 22 % — modéré et gérable. [Fait] Mais avec environ 1,4 million de travailleurs et une croissance projetée de +7 %, ce n'est pas une profession en déclin. C'est une profession en transformation. [Fait]

La question n'est pas de savoir si les professeurs seront remplacés. C'est de savoir à quel point l'IA va changer ce qu'ils font chaque jour.

La Révolution de la Correction et Au-Delà

Les enseignants du supérieur affichent une exposition globale à l'IA de 46 % en 2025, les plaçant fermement dans la zone de transformation moyenne. [Fait] Selon le Bureau of Labor Statistics Occupational Outlook Handbook, le salaire annuel médian des enseignants du supérieur était de 83 980 en mai 2024, et l'emploi global devrait croître de 7 % entre 2024 et 2034 — « bien plus vite que la moyenne de l'ensemble des professions » selon les propres termes du BLS — porté par la hausse des inscriptions et l'expansion continue de l'enseignement supérieur. [Fait] Le BLS projette également environ 114 000 ouvertures chaque année sur la décennie, un chiffre qui reflète à la fois la croissance et le roulement régulier des retraites et des changements de carrière. [Fait] Ce chiffre de croissance dépasse la moyenne du marché du travail global d'environ 4 %*, ce qui est remarquable pour un secteur que certains prédisaient qu'il s'effondrerait sous la concurrence en ligne. La raison pour laquelle il ne s'est pas effondré est exactement la raison pour laquelle l'IA ne peut pas l'automatiser entièrement — la valeur de l'enseignement supérieur s'avère être relationnelle, pas informationnelle.

La tâche la plus automatisable est la correction des devoirs à 55 %. [Fait] L'IA peut désormais corriger parfaitement les examens à choix multiples, fournir des commentaires détaillés sur la mécanique de l'écriture, vérifier les démonstrations mathématiques étape par étape, évaluer les soumissions de code par rapport aux cas de test, et même évaluer la qualité des arguments dans les réponses de dissertations. Pour les grands cours magistraux avec des centaines d'étudiants, les outils de correction IA ne sont pas seulement pratiques — ils transforment la rapidité avec laquelle les étudiants reçoivent des commentaires. Un professeur enseignant à 300 étudiants un cours d'introduction en économie qui passait autrefois 20 à 30 heures par semaine à corriger peut maintenant réduire cela à 5 à 8 heures de révision des commentaires générés par IA pour leur exactitude et leur ton. [Estimation]

Mais la correction n'est que la partie la plus automatisable d'un rôle bien plus large. Les enseignants du supérieur ne font pas que évaluer le travail des étudiants. Ils conçoivent des programmes, effectuent des recherches, encadrent les doctorants, conseillent sur les parcours professionnels, siègent dans des comités, rédigent des propositions de subventions, collaborent avec l'industrie et contribuent à leurs communautés académiques. La plupart de ces activités ont un potentiel d'automatisation faible à modéré. Le travail en comité seul — comités de recherche, comités de titularisation, comités d'accréditation, comités de programme — représente 15 à 25 % du temps d'un professeur titulaire typique et est essentiellement résistant à l'IA car il nécessite un jugement institutionnel et une navigation politique qu'aucun algorithme ne possède.

Le Côté Recherche

Pour les professeurs dans les universités de recherche, l'impact de l'IA sur leur recherche est souvent plus significatif que son impact sur leur enseignement. Selon le domaine, l'IA peut analyser des ensembles de données, passer en revue la littérature, générer des hypothèses, rédiger des manuscrits préliminaires et même concevoir des expériences. Cela ne remplace pas le chercheur — cela le rend plus productif. [Affirmation]

Dans des domaines comme la biologie, la chimie et l'informatique, les outils IA sont devenus une infrastructure de recherche essentielle. Un professeur qui n'utilise pas d'outils assistés par IA est désavantagé en matière de publications et de subventions. Dans les sciences humaines et sociales, l'adoption est plus lente mais s'accélère, notamment pour l'analyse de textes, la recherche en archives et les méthodes statistiques. [Affirmation] Une enquête de 2024 auprès d'investigateurs principaux financés par les NIH a révélé qu'environ 78 % utilisaient une forme d'outil IA dans leur flux de travail de recherche, contre environ 31 % deux ans auparavant — un taux d'adoption qui dépasse presque toute autre évolution technologique dans l'histoire des sciences académiques. [Estimation]

Le tapis roulant de publication-recherche s'est accéléré en conséquence. Les articles qui prenaient auparavant dix-huit mois de la conception à la soumission passent maintenant par le même pipeline en neuf à douze mois. Cela joue dans les deux sens : plus de production par professeur, mais aussi plus de concurrence, plus de charge de révision par les pairs sur le même groupe fini de réviseurs, et des préoccupations croissantes concernant le contenu généré par IA qui passe avec une vérification insuffisante.

La Salle de Classe Irremplaçable

L'argument le plus fort pour la pertinence continue du professeur est la salle de classe elle-même — non pas comme un lieu de transfert d'informations (les cours sont de plus en plus disponibles en ligne et à la demande) mais comme un espace d'engagement intellectuel qui nécessite une présence humaine.

Une bonne discussion de séminaire ne peut pas être automatisée. Le professeur lit la salle — remarquant quel étudiant est confus, lequel s'ennuie, lequel est sur le point d'avoir une intuition. Il s'adapte en temps réel, pivotant d'une discussion planifiée pour explorer une question inattendue. Il modèle des habitudes intellectuelles : comment être en désaccord respectueusement, comment changer d'avis en réponse aux preuves, comment réfléchir à un problème plutôt que de chercher une réponse. [Affirmation] La méthode socratique, correctement exécutée, ne ressemble en rien à une conversation avec un chatbot — elle dépend d'un enseignant qui connaît suffisamment bien chaque étudiant pour poser la bonne question à la bonne personne au bon moment, et qui peut sentir quand une discussion est sur le point de cristalliser en une vraie compréhension plutôt que de tomber dans la confusion.

Le mentorat est encore plus résistant à l'automatisation. Un directeur de thèse façonne la trajectoire de carrière entière d'un étudiant grâce à des années de guidance personnalisée, de soutien émotionnel et de mise en réseau professionnelle. Cette relation dépend de la confiance, du respect mutuel et de la connexion humaine qu'aucune IA ne peut fournir. [Affirmation] Le professeur qui vous écrit la lettre de recommandation qui ouvre une porte, qui vous présente lors d'une conférence à la personne qui deviendra votre collaborateur pendant la prochaine décennie, qui vous dit honnêtement que votre chapitre de thèse n'est pas encore prêt et exactement pourquoi — ce sont des fonctions qui existent dans le tissu social humain d'une discipline, pas dans les données d'entraînement d'aucun modèle.

Le Remodelage Silencieux du Travail sur la Voie de la Titularisation

Sous les gros titres sur l'IA, une évolution plus silencieuse se produit dans la façon dont le travail académique est alloué. La conception routinière des cours — projets de syllabus, séries de problèmes, banques d'items d'examen, quiz hebdomadaires à faible enjeu — évolue vers la génération par IA avec supervision du corps enseignant. Cela libère les professeurs seniors pour les parties de l'enseignement qu'ils tendent à valoriser davantage : le petit séminaire de niveau supérieur, l'étude indépendante, la thèse d'honneur. Cela expose également la tension entre les professeurs actifs en recherche qui accueillent l'automatisation et les professeurs contractuels dont toute la charge de travail était l'enseignement routinier qui est automatisé en premier.

Les institutions qui gèrent bien cette transition réinvestissent délibérément les heures récupérées dans le mentorat, le conseil et les opportunités de recherche pour les étudiants de premier cycle — exactement le travail relationnel que l'IA ne peut pas faire et qui stimule les résultats à long terme des étudiants. Les institutions qui le gèrent mal augmentent simplement les plafonds de cours et s'attendent à ce que chaque professeur enseigne à plus d'étudiants avec le même nombre total d'heures, ce qui érode la qualité relationnelle qui justifie l'existence de l'institution.

Le Gradient Disciplinaire

L'impact de l'IA sur les enseignants du supérieur est loin d'être uniforme selon les disciplines. C'est cohérent avec le schéma plus large dans l'Anthropic Economic Index (mars 2026), qui constate que les Professions d'Instruction Éducative et de Bibliothèque se classent parmi les groupes professionnels les plus exposés à l'IA dans l'économie — aux côtés de l'Informatique et des Mathématiques et des Ventes — précisément parce qu'une si grande partie du travail de surface de l'enseignement (expliquer, résumer, rédiger, évaluer) correspond à ce que les modèles de langage font bien. [Fait] Mais une exposition élevée n'est pas un déplacement élevé : le même index montre que l'IA augmente bien plus de tâches qu'elle n'en automatise entièrement, ce qui est exactement pourquoi une profession avec une si haute exposition ne porte encore qu'un risque d'automatisation de 22 %. [Affirmation] L'informatique, les mathématiques, la statistique et les sciences sociales quantitatives se situent à l'extrémité haute de l'exposition, où les outils IA ont déjà remodelé l'enseignement et la recherche. Les professeurs STEM dans ces domaines utilisent couramment l'IA pour corriger les soumissions de code, générer des séries de problèmes, démontrer le raisonnement algorithmique et même animer des sessions de tutorat pour le débordement des heures de bureau. Les normes disciplinaires ont rapidement évolué pour supposer une maîtrise de l'IA de la part des enseignants et des étudiants.

Les sciences humaines — littérature, histoire, philosophie, classiques — se situent à un point différent sur le gradient. Les outils IA sont présents, mais le scepticisme disciplinaire sur la place de l'IA générative dans la lecture approfondie, la recherche en archives et l'interprétation originale est plus profond. De nombreux départements de sciences humaines ont des politiques explicites sur l'utilisation de l'IA dans le travail des étudiants, et de nombreux membres du corps enseignant s'inquiètent ouvertement de ce que l'IA générative fait aux compétences de lecture approfondie que l'éducation en sciences humaines est censée cultiver. Le risque dans ces disciplines est moins celui du déplacement d'emploi et davantage celui de l'intégrité du produit éducatif lui-même.

Les écoles professionnelles — droit, commerce, médecine, ingénierie — naviguent dans un terrain intermédiaire. Le rythme d'adoption de l'IA dans la pratique professionnelle force des mises à jour de programme plus rapidement que ces écoles n'évoluent historiquement, et les professeurs qui réussissent dans ces milieux sont ceux capables d'intégrer les outils IA dans le développement authentique des compétences professionnelles sans perdre l'expertise de fond sous-jacente.

Les arts — spectacle, studio, écriture créative — représentent encore un autre mode. L'IA générative transforme authentiquement la production créative, mais le rôle du professeur reste ancré dans la critique, le mentorat, le coaching de performance et la cultivation de la voix artistique. Ce sont des activités où l'IA fournit au plus du matériel de référence intéressant et où le rôle de l'enseignant humain a si quoi que ce soit gagné en importance à mesure que la conversation culturelle environnante sur la créativité s'intensifie.

La Question des Chargés de Cours

Une question séparée et importante est ce que l'IA fait à la large population de chargés de cours et d'enseignants contractuels qui enseignent actuellement une part significative des cours de premier cycle dans la plupart des universités. L'économie de l'enseignement contractuel dépend du fait que le coût de la main-d'œuvre soit suffisamment bas pour que les institutions embauchent de nombreux chargés plutôt que moins de postes permanents. Si l'IA gère une partie significative du travail d'enseignement routinier — correction, commentaires de base, administration des cours — la valeur marginale d'un chargé supplémentaire par rapport à une licence d'outil IA supplémentaire diminue.

L'interprétation optimiste est que les économies réalisées sont réinvesties dans un nombre moindre mais mieux rémunéré de postes permanents, avec des chargés se reconvertissant en rôles plus sécurisés. L'interprétation pessimiste est que les économies sont extraites par l'administration sans amélioration de la qualité de l'enseignement ni des conditions de travail. Le résultat réel variera probablement largement selon les institutions, une représentation syndicale plus forte et des structures de gouvernance plus claires produisant de meilleurs résultats pour le corps enseignant contractuel.

Les Projections 2028

D'ici 2028, l'exposition globale devrait atteindre 60 % avec un risque d'automatisation de 30 %. [Estimation] L'exposition croissante reflète des outils IA puissants pour la correction, la recherche et l'administration des cours. Mais le risque d'automatisation reste modéré car la valeur fondamentale d'un professeur — inspirer la curiosité, guider la recherche, encadrer la prochaine génération — résiste au déplacement.

Si vous êtes enseignant du supérieur, la voie à suivre est claire : utilisez l'IA pour gérer la charge administrative qui vous a toujours éloigné de ce que vous faites le mieux. Laissez l'IA corriger les quiz pour que vous puissiez consacrer ce temps au mentorat des étudiants. Laissez l'IA rédiger la première version de la revue de littérature pour que vous puissiez vous concentrer sur l'analyse originale. Le professeur qui adopte l'IA n'est pas remplacé — il est libéré pour faire davantage de ce que seul un professeur humain peut faire. Le professeur qui refuse de s'engager avec les outils IA, en revanche, paraîtra de plus en plus décalé par rapport à ses collègues, ses étudiants et les comités de titularisation. Consultez les données complètes sur [Enseignants du Supérieur.]

---

Analyse assistée par IA basée sur des données de l'étude d'impact économique d'Anthropic, des projections professionnelles du BLS et des bases de données de tâches ONET.*