L’acceptation par les enseignants d’art et de design du contenu généré par l’IA pour le tutorat assisté : un cadre étendu TAM-TPACK

Pourquoi cela compte pour les salles de classe d’aujourd’hui

Les outils d’intelligence artificielle capables de générer des images, du texte et des designs arrivent rapidement dans les ateliers d’art et de design. Pour les enseignants, ces outils promettent des retours plus rapides, de nouvelles façons de stimuler la créativité et une aide face aux lourdes charges de correction — mais ils posent aussi des questions. Les enseignants vont-ils réellement choisir d’utiliser l’IA comme assistant pédagogique ? Qu’est-ce qui leur donne la confiance nécessaire pour l’essayer, et de quel type d’accompagnement ont‑ils besoin ? Cette étude examine de près les enseignants universitaires en art et design en Chine continentale afin de comprendre ce qui les encourage — ou les dissuade — d’introduire du contenu généré par l’IA dans leur enseignement quotidien.

Comment l’IA s’intègre à l’enseignement de l’art et du design

Les auteurs se concentrent sur le « tutorat assisté », où les outils d’IA soutiennent, plutôt que remplacent, les enseignants. Ils décrivent trois moments clés dans un cours type. Avant le cours, les enseignants peuvent demander à des outils comme ChatGPT de générer des études de cas ou des explications de concepts difficiles. Pendant le cours, des générateurs d’images tels que Midjourney ou DALL·E peuvent aider les étudiants à explorer des styles, tester des idées visuelles ou esquisser rapidement des options. Après le cours, l’IA peut fournir des commentaires individualisés sur des brouillons, suggérer des améliorations ou préparer des notes de critique préliminaires. Dans les cours en atelier et basés sur des projets — où étudiants et enseignants collaborent sur le long terme à des problèmes de design concrets — ces outils pourraient modifier la façon dont les idées se développent et dont les retours circulent.

Ce que les chercheurs ont voulu tester

Pour décortiquer les choix des enseignants, l’étude combine deux concepts bien connus de la recherche en éducation et en technologie. Le premier est le Modèle d’Acceptation de la Technologie (TAM), qui stipule que les personnes sont plus susceptibles d’utiliser un outil si elles le jugent utile et facile à utiliser, et si ces croyances influencent leur intention d’agir. Le second est le cadre TPACK, qui affirme qu’un bon enseignement avec les technologies repose sur trois types de connaissances enseignantes : la connaissance du contenu, des méthodes pédagogiques et des technologies elles‑mêmes. Les auteurs étendent ces idées par deux influences supplémentaires : la confiance des enseignants vis‑à‑vis de l’IA et les conditions environnementales — telles que le matériel et les logiciels disponibles, ainsi que les attitudes des collègues et des responsables. Ils ont ensuite enquêté auprès de 387 enseignants universitaires en art et design à travers la Chine continentale et analysé statistiquement l’articulation de ces éléments.

Ce que les données ont révélé sur les enseignants

Les enseignants de l’étude ont généralement une opinion positive des outils d’IA : en moyenne, ils ont évalué leur expérience, la facilité d’utilisation des outils et leur valeur potentielle dans une fourchette moyenne à élevée. L’analyse a mis en évidence des schémas clairs. Les enseignants qui se sentaient plus confiants dans leur capacité à comprendre et expliquer l’IA étaient plus enclins à considérer les outils d’IA comme faciles à utiliser et utiles, et ils avaient aussi tendance à disposer d’une plus grande connaissance intégrée de la technologie, de la pédagogie et du contenu. Cette combinaison de savoirs rendait l’IA plus pertinente et moins intimidante. Les conditions externes ont également joué un rôle. Lorsque les établissements fournissaient des ressources techniques solides, de la formation et un accompagnement pour résoudre les problèmes, les enseignants trouvaient l’IA plus facile à utiliser et étaient plus disposés à l’adopter. De même, lorsque collègues et responsables visaient favorablement l’IA, les enseignants étaient plus susceptibles de la percevoir comme bénéfique et d’envisager de l’utiliser dans leur enseignement.

Comment les éléments interagissent

En observant tous ces facteurs ensemble, l’étude brosse un tableau stratifié de la prise de décision. La confiance individuelle et le savoir professionnel influencent la manière dont les enseignants jugent l’utilité et la simplicité de l’IA. En parallèle, les espaces d’atelier, la puissance informatique, l’accès aux logiciels et une culture de partage et de critique en art et design amplifient ou affaiblissent ce jugement. Si les outils d’IA paraissent simples d’emploi et montrent clairement qu’ils améliorent la qualité de l’enseignement, le temps de préparation ou les retours, les enseignants sont davantage enclins à les intégrer dans les projets d’atelier, les critiques et les évaluations. Mais si les outils sont difficiles d’accès, mal soutenus ou mal perçus par les pairs, même des enseignants confiants peuvent rester réticents. Les auteurs soutiennent que l’adoption réussie nécessite plus que l’installation de nouveaux logiciels ; elle dépend d’un écosystème de formation, de ressources et de communautés professionnelles.

Ce que cela signifie pour l’avenir de l’enseignement créatif

En termes concrets, la conclusion de l’étude est simple : les enseignants d’art et de design sont prêts à collaborer avec l’IA lorsque trois éléments s’alignent — confiance, compétence et soutien. Quand les enseignants maîtrisent à la fois leur discipline et les outils, se sentent capables d’accompagner les élèves dans la collaboration humain–IA et peuvent compter sur un solide soutien institutionnel, ils sont beaucoup plus susceptibles d’expérimenter le contenu généré par l’IA de manière réfléchie. Les auteurs suggèrent que établissements, entreprises et décideurs travaillent ensemble pour créer des dispositifs de soutien durables incluant formation, infrastructures et communautés professionnelles positives. Bien fait, cela pourrait faire évoluer les ateliers vers un modèle où humains et machines travaillent côte à côte, libérant les enseignants pour qu’ils se concentrent davantage sur le mentorat, le jugement critique et le développement créatif des étudiants.

Citation: Zhu, Z., Gan, Q. & Duan, P. Art and design teachers’ acceptance of AI-generated content for assisted tutoring: an extended TAM-TPACK framework. Humanit Soc Sci Commun 13, 362 (2026). https://doi.org/10.1057/s41599-026-06692-4

Mots-clés: contenu généré par l’IA dans l’éducation, enseignement de l’art et du design, adoption des technologies par les enseignants, TPACK et IA, collaboration humain–IA en classe