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. Vos indicateurs habituels, eux, 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 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.

L'évaluation finale, prise isolément, en dit de moins en moins sur l'étudiant. Pour la direction d'une école, le risque 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.
• 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. Le décrochage y apparaît souvent 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

Interdire les LLMs ou reconcevoir tous les sujets d'examen pour les rendre « anti-IA » ne mène nulle part. Remettez plutôt au centre du pilotage les signaux que l'IA ne capte pas, et faites-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. Il reste à les rapprocher au quotidien, sans attendre la fin du semestre.
2. Croiser les sources entre elles. 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 seul le croisement 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

Nous construisons Livia pour ça. 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 une tendance s'installe, l'équipe pédagogique reçoit une alerte priorisée plutôt qu'un reporting figé. Quand l'IA générative brouille les indicateurs de surface, les signaux humains reprennent leur sens.

ChatGPT n'a pas changé une chose : un étudiant qui décroche se voit encore, à condition de regarder les bons signaux au bon moment.