Dévoiler l’adoption des AIGC par les étudiants en design : un modèle intégré

Pourquoi cela compte pour les futurs designers

Les étudiants en design des universités apprennent aujourd’hui dans des ateliers où l’intelligence artificielle peut esquisser, rédiger et générer des images en quelques secondes. Cette étude examine comment ces étudiants décident d’utiliser ou non les outils de contenu généré par l’IA (AIGC) dans leur apprentissage quotidien du design. Comprendre leurs réactions — ce qui les enthousiasme, ce qui les inquiète, et ce qui les pousse à recommander ces outils à leurs pairs — aide les enseignants à concevoir des cours qui protègent la créativité tout en tirant parti de ces nouvelles technologies puissantes.

De nouveaux outils dans l’atelier de design

Les auteurs se concentrent sur des étudiants chinois en design, dont les études reposent sur la créativité visuelle, l’itération et l’expérimentation. Les systèmes AIGC peuvent produire rapidement des mises en page alternatives, des idées de produits ou des concepts visuels, accélérant potentiellement les premières étapes du processus de conception et donnant aux étudiants plus de marge pour affiner leurs idées. En revanche, ces systèmes suscitent des craintes concernant l’originalité, la paternité, les biais et la dépendance excessive aux machines. Les recherches antérieures ont souvent étudié l’AIGC dans l’éducation générale ou sous un angle purement technique ; cet article s’intéresse directement à la façon dont les étudiants en design pensent, ressentent et agissent lorsque ces outils sont intégrés à leur apprentissage.

Trois étapes de la réponse étudiante

Pour analyser ces réactions, les chercheurs combinent deux approches établies dans les études sur la technologie. L’une décrit comment de nouveaux outils se diffusent au sein d’une communauté, et l’autre explique comment les individus évaluent l’effort, les bénéfices et les émotions lorsqu’ils découvrent un dispositif. Ensemble, ces théories servent à construire un parcours en trois étapes. Dans la première étape, dite préoccupation technologique, les étudiants jugent si l’AIGC semble meilleure que les méthodes anciennes, si elle s’accorde avec leur façon de travailler ou si elle paraît confuse et difficile à utiliser. Dans la deuxième étape, acceptation émotionnelle, ils forment des attentes sur la mesure dans laquelle l’AIGC améliorera réellement leurs performances et sur l’effort nécessaire pour s’y habituer. Enfin, dans l’étape de transformation comportementale, les forces sociales et la volonté personnelle d’essayer de nouvelles choses déterminent si les étudiants continuent d’utiliser ces outils et s’ils les recommandent à d’autres.

Ce que l’enquête a révélé

L’équipe a sondé 385 étudiants en design de différentes spécialités, posant des questions détaillées sur ces trois étapes. Ils ont ensuite utilisé la modélisation par équations structurelles, une technique statistique qui teste la qualité des liens entre différents facteurs. Ils ont constaté que lorsque les étudiants perçoivent des avantages clairs de l’AIGC — comme une génération d’idées plus rapide ou des options visuelles enrichies — et estiment que ces outils s’intègrent bien à leurs logiciels et flux de travail habituels, ils anticipent de meilleurs résultats et pensent que l’apprentissage ne sera pas trop exigeant. En revanche, quand l’AIGC paraît compliquée ou en évolution constante, les étudiants abaissent leurs attentes tant en matière de performance que de facilité d’utilisation. En d’autres termes, le bénéfice perçu et l’adéquation attirent les étudiants vers l’adoption, tandis que la complexité perçue les en éloigne.

Émotions, pairs et adopteurs précoces

Un des résultats les plus marquants est que le simple fait d’attendre de meilleures performances de l’AIGC ne prédit pas fortement si les étudiants vont effectivement utiliser et promouvoir ces outils. En revanche, la conviction que l’AIGC n’exigera pas un effort excessif — le sentiment qu’elle est gérable et que l’investissement en vaut la peine — est un facteur beaucoup plus déterminant. L’environnement social joue également un rôle puissant : lorsque les enseignants et les camarades utilisent ou encouragent l’AIGC, les étudiants sont plus enclins à continuer de s’en servir et à la partager. Les étudiants ayant une disposition naturellement innovante, qui aiment tester de nouvelles méthodes en priorité, sont particulièrement susceptibles de devenir des utilisateurs actifs et des ambassadeurs informels des outils AIGC au sein de leurs réseaux.

Ce que cela implique pour l’enseignement du design avec l’IA

L’étude conclut que le succès de l’utilisation de l’AIGC dans l’enseignement du design dépend moins des promesses spectaculaires de performance que de l’expérience quotidienne : les outils doivent être simples à apprendre, compatibles avec les pratiques d’atelier existantes et soutenus par un environnement social positif. La complexité peut provoquer frustration et anxiété, atténuant les bénéfices potentiels. Pour les enseignants et les décideurs, cela suggère de privilégier des instructions claires, des introductions progressives, un support technique et des cultures de classe qui encouragent l’expérimentation réfléchie. Lorsqu’elle est rendue accessible et intégrée avec soin, l’AIGC peut devenir un partenaire dans l’apprentissage du design plutôt qu’une menace pour la créativité ou l’intégrité des étudiants.

Citation: Zeng, L., Wang, A., Huang, Y. et al. Unveiling college students’ adoption of AIGC in design learning: an integrated model. Humanit Soc Sci Commun 13, 357 (2026). https://doi.org/10.1057/s41599-026-06713-2

Mots-clés: L’IA dans l’éducation au design, adoption technologique par les étudiants, contenu généré par l’IA, diffusion de l’innovation, apprentissage du design