Compétence en ingénierie de prompt, gestion des connaissances et adéquation technologique comme moteurs de la durabilité éducative via l'IA générative

Pourquoi des questions plus pertinentes à l'IA comptent pour les étudiants

À mesure que des outils d'IA générative comme les chatbots pénètrent les salles de classe, une question clé apparaît : qu'est-ce qui fait que certains étudiants transforment ces outils en partenaires d'apprentissage durables tandis que d'autres ne les utilisent que de façon éphémère ou maladroite ? Cette étude examine comment la compétence des étudiants à poser de bonnes questions à l'IA, la manière dont ils exploitent les connaissances acquises et l'adéquation des outils d'IA à leurs besoins d'étude interagissent pour soutenir un apprentissage durable à long terme dans l'enseignement supérieur.

Comment l'étude a examiné l'usage de l'IA par les étudiants

Les chercheurs ont enquêté auprès de 437 étudiants universitaires qui utilisent déjà des outils d'IA générative tels que ChatGPT pour des travaux académiques. À l'aide de modèles statistiques, ils ont construit et testé une chaîne d'influences qui commence par la compétence en « ingénierie de prompt » d'un étudiant, passe par la quantité de connaissances utiles que l'étudiant acquiert et utilise effectivement, puis façonne la perception de l'adéquation de l'IA tant aux tâches qu'à l'étudiant lui‑même, et conduit enfin à l'intention de l'étudiant de continuer à utiliser l'IA. Le point d'arrivée de cette chaîne est la durabilité éducative, entendue ici comme l'utilisation durable et efficace de l'IA dans l'apprentissage plutôt qu'une mode technologique de courte durée.

Des meilleurs prompts à une meilleure adéquation d'apprentissage

L'idée centrale est que, dans les systèmes d'IA générative, la qualité de ce que les étudiants obtiennent dépend fortement de ce qu'ils saisissent. Les étudiants capables de formuler des prompts clairs, détaillés et ciblés tendent à extraire des informations plus précises et pertinentes et sont mieux à même de les appliquer aux devoirs, projets et résolutions de problèmes. L'étude montre que cette acquisition et application de connaissances déterminent fortement la perception de l'adéquation de l'IA aux tâches de cours et aux préférences, compétences et niveaux de confort des étudiants. Autrement dit, un prompt intelligent ne produit pas seulement de meilleures réponses ; il rend la technologie plus adaptée tant au travail qu'à la personne qui l'utilise.

Pourquoi « l'adéquation » favorise la poursuite de l'utilisation

La recherche met en évidence deux types d'adéquation. L'adéquation tâche–technologie traduit la mesure dans laquelle les outils d'IA aident à accomplir des tâches d'apprentissage spécifiques, comme comprendre un concept ou résoudre un problème. L'adéquation individu–technologie reflète la concordance entre les outils et les styles d'apprentissage, la confiance et les besoins des étudiants. Les deux types d'adéquation sont liés aux intentions des étudiants de continuer à utiliser l'IA, mais l'adéquation tâche–technologie apparaît comme le moteur le plus fort. Lorsque les étudiants estiment que l'IA les aide réellement à accomplir leurs tâches académiques plus efficacement, ils sont bien plus enclins à l'utiliser de façon volontaire et régulière. Cette utilisation continue est, à son tour, étroitement liée à l'idée de durabilité éducative, puisque les outils ne transforment l'apprentissage que s'ils demeurent intégrés aux routines d'étude quotidiennes.

Les compétences en prompt comme nouvelle littératie

L'étude positionne également l'ingénierie de prompt comme une nouvelle forme de littératie académique. Les étudiants habiles à décomposer des tâches complexes en questions plus petites, à adapter leurs prompts selon les outils d'IA, à affiner leurs demandes en fonction des réponses précédentes et à vérifier les sorties de l'IA pour biais et exactitude montrent des niveaux bien plus élevés tant d'acquisition que d'utilisation des connaissances. L'ingénierie de prompt a émergé comme le plus fort prédicteur de l'ensemble du modèle, suggérant que la manière dont les étudiants dialoguent avec l'IA peut importer davantage que la plateforme choisie. Fait intéressant, le schéma global se vérifie tant pour les étudiantes que pour les étudiants, bien que l'application des connaissances à des tâches réelles semble renforcer un peu plus le sentiment d'adéquation tâche pour les femmes.

Ce que cela signifie pour l'avenir de l'apprentissage

Pour un lecteur non spécialiste, le message de l'étude est simple : l'IA générative renforce l'éducation surtout lorsque les étudiants apprennent à poser de meilleures questions et à travailler activement avec les réponses. Quand de solides compétences en prompt alimentent un gain de connaissances régulier et une utilisation concrète, les étudiants perçoivent l'IA comme une composante naturelle de leur boîte à outils d'étude, et non comme une nouveauté passagère. Cette utilisation soutenue et signifiante est ce que les auteurs appellent la durabilité éducative. Plutôt que de remplacer l'apprentissage humain, l'IA devient un partenaire qui soutient une compréhension plus profonde et des compétences durables, à condition que les établissements aident les étudiants à développer les compétences nécessaires pour guider et interroger ces outils puissants.

Citation: Gibreel, O., Karataş, K. & Arpaci, I. Prompt engineering competence, knowledge management, and technology fit as drivers of educational sustainability through generative AI. Sci Rep 16, 15596 (2026). https://doi.org/10.1038/s41598-026-46335-x

Mots-clés: IA générative dans l'éducation, ingénierie de prompt, durabilité éducative, adéquation tâche-technologie, gestion des connaissances