L'expérience étudiante à l'ère ChatGPT : ce que vos indicateurs ne voient plus

ChatGPT est arrivé dans les amphis avant que les conseils pédagogiques n'aient eu le temps de l'aborder en réunion. Aujourd'hui, dans la plupart des écoles privées post-bac, plus de huit étudiants sur dix utilisent un LLM au quotidien pour leurs travaux. Et ce n'est pas le sujet le plus inconfortable. Le vrai sujet, c'est que vos indicateurs habituels ne disent plus la même chose qu'avant.

Les notes ne mentent pas, mais elles ne disent plus tout

Avant, une note qui remonte voulait dire un étudiant qui s'accroche. Aujourd'hui, une note qui remonte peut tout simplement signifier que l'étudiant a découvert un meilleur prompt. Le rendu est plus propre, l'argumentation plus structurée, les sources sont là. Tout est en ordre. Et pourtant cet étudiant n'a peut-être pas ouvert un livre depuis un mois.

Ce n'est pas un procès de l'outil. C'est un constat sur ce que l'évaluation finale, isolément, raconte de moins en moins. Pour la direction d'une école, le risque n'est pas que les étudiants utilisent ChatGPT. C'est de continuer à piloter avec des indicateurs qui n'ont plus la même portée et de découvrir le décrochage trois mois trop tard, quand les copies brillantes laissent place à un silence en stage ou à une rupture d'alternance.

Les vrais signaux que les LLMs ne masquent pas

Tout n'a pas changé. Quatre familles de signaux résistent à la générativité parce qu'elles touchent à la présence physique, au temps réel, ou à l'engagement émotionnel.

• L'assiduité : émargements, retards, absences répétées sur certains modules. Aucun LLM ne va en cours à la place de l'étudiant.
• Les délais et les rythmes : retards de rendu, devoirs déposés à la dernière minute, intervalles inhabituels entre interactions. Le timing trahit ce que le contenu cache.
• L'engagement dans les retours : participation aux questionnaires de satisfaction, qualité des verbatims, taux de réponse aux relances. Un étudiant qui décroche lit moins, répond moins, copie-colle moins de fond dans ses commentaires libres.
• Les signaux faibles côté entreprise : absences en alternance, retours du tuteur qui s'érodent, dossiers administratifs qui dérapent. C'est souvent là que ça casse en premier.

Ces quatre familles ne se voient pas dans une moyenne semestrielle. Elles ne se voient pas non plus dans un seul fichier Excel. Elles existent éparses, dans Google Workspace, dans la boîte mail du formateur, dans les conversations WhatsApp entre coordinateurs. Le travail consiste à les croiser.

Ce que les écoles font aujourd'hui (et pourquoi ça ne suffit plus)

La plupart des organismes de formation que nous accompagnons partent du même schéma. Une réunion hebdomadaire de l'équipe pédagogique. Un point trimestriel par cohorte. Un dashboard Qualiopi avec quelques indicateurs de satisfaction et de complétude. Et beaucoup de bonne volonté pour relire les feuilles d'émargement à la main quand un cas remonte.

Ça marche tant que l'effectif est petit et que les signaux sont nets. Ça craque dès que la cohorte dépasse 80 apprenants, dès que les filières se diversifient, dès que les rythmes alternance compliquent les calendriers. Et ChatGPT a accéléré ce craquage : un étudiant peut maintenir une moyenne acceptable en faisant le minimum, ce qui retarde le moment où l'équipe pédagogique se dit « il faut qu'on lui parle ».

Reprendre la main sans courir derrière chaque outil

Il n'y a pas de bonne stratégie qui consiste à interdire les LLMs ou à reconcevoir tous les sujets d'examen pour les rendre « anti-IA ». Ce qui marche, c'est de remettre au centre du pilotage les signaux que l'IA ne capte pas, et de les remonter au moment où l'intervention humaine fait encore la différence.

Concrètement, ça veut dire trois choses :

1. Surveiller en continu plutôt qu'en différé. Les feuilles d'émargement, les notes, les retours sont déjà collectés. L'enjeu n'est pas de produire de nouveaux indicateurs, c'est de les rapprocher au quotidien plutôt qu'en fin de semestre.
2. Croiser les sources, pas les empiler. Un étudiant qui rate trois cours, dont la note tombe, et dont le tuteur signale un désengagement n'a pas trois problèmes séparés. Il en a un seul, et c'est le croisement qui le révèle.
3. Router l'alerte au bon interlocuteur. Le formateur n'a pas besoin de voir tous les cas critiques de l'école. Le directeur n'a pas besoin de voir chaque retard. Mais chacun doit voir ce qui le concerne, au moment où il peut agir.

L'angle Livia

C'est exactement ce qu'on construit avec Livia. L'agent se branche aux outils existants de l'école (Google Workspace ou Microsoft 365), lit les feuilles d'émargement, les retours, les échanges, et apprend la ligne de base de chaque apprenant. Quand un pattern s'installe, l'équipe pédagogique reçoit une alerte priorisée plutôt qu'un reporting figé. Et quand l'IA générative brouille les indicateurs de surface, ce sont les signaux humains qui reprennent leur sens.

Ce n'est pas une question de technologie. C'est une question d'attention. Et c'est probablement la seule chose que ChatGPT n'a pas changé du tout : un étudiant qui décroche, ça se voit toujours, à condition de regarder les bons signaux au bon moment.