Que s'est-il passé
Des chercheurs de l'Université Bocconi, en collaboration avec OpenAI Economic Research, ont assigné au hasard plus de 1 000 étudiants de première année pour recevoir un accès ChatGPT, une formation au raisonnement causal, les deux, ou aucun. Les étudiants ont réalisé un dossier de marketing pour le magasin de marchandises de l'université. Selon la source, l'accès à ChatGPT a augmenté les scores des rubriques de près d'un point sur une échelle de cinq points, tandis que la formation à la pensée critique a augmenté la variété et l'originalité des idées.
Le récit de OpenAI, daté du 27 août 2026, décrit une expérience randomisée menée par des chercheurs de l’Université Bocconi en collaboration avec OpenAI Economic Research. Plus de 1 000 étudiants de première année de premier cycle ont travaillé sur une analyse de rentabilisation concrète impliquant des recommandations marketing pour le magasin de marchandises de Bocconi. Les étudiants ont été répartis par période de cours dans l'un des quatre groupes suivants : accès à ChatGPT à l'aide de GPT-4o, formation au raisonnement causal, les deux interventions ou aucune. La source présente la conception comme un moyen de séparer les effets de l'accès ChatGPT, de l'enseignement de la pensée critique et de leur combinaison.
Les soumissions des étudiants ont été évaluées par des évaluateurs humains formés à l'aide d'une grille en cinq points. La rubrique mesurait dans quelle mesure les recommandations répondaient à deux objectifs marketing déclarés : accroître la notoriété et l'utilisation croissante du magasin universitaire. La source indique que les étudiants ayant accès à ChatGPT ont obtenu un score supérieur de près d'un point sur cette échelle. L'analyse automatisée des textes a également révélé que leurs soumissions contenaient plus d'idées, suivaient une logique plus claire et ressemblaient davantage aux recommandations rédigées par trois experts. La source décrit cela comme aidant les étudiants moins expérimentés à produire un travail qui semble plus professionnel.
L’intervention de raisonnement causal a eu un effet mesuré différent. L'exercice n'avait aucun rapport avec l'IA et enseignait des concepts à travers un jeu, des exemples, des questions et des commentaires. Les étudiants qui l’ont complété ont expliqué plus clairement pourquoi leurs propositions pourraient fonctionner et quand elles pourraient échouer, mais n’ont pas obtenu de scores plus élevés dans la rubrique principale de l’étude. L'analyse automatisée a révélé que leurs idées couvraient un éventail plus large et étaient plus distinctes de celles produites par leurs pairs. Les étudiants qui ont reçu les deux interventions ont montré la combinaison d’effets à travers les mesures de l’étude, notamment une cohérence logique plus forte, plus d’idées et plus de preuves de remise en question des hypothèses. La source n’indique pas la durée de l’expérience, les résultats statistiques détaillés, les données démographiques des participants ou la manière dont les étudiants ont utilisé ChatGPT pendant la mission.
Détails de la source: openai.com ↗
Pourquoi c'est important
L’expérience suggère qu’un travail soigné assisté par l’IA et un raisonnement indépendant ne sont pas des résultats interchangeables. ChatGPT a obtenu des performances améliorées sur la mesure de notation conventionnelle de l’étude, tandis que la formation au raisonnement causal a aidé les étudiants à générer des idées plus distinctives et à expliquer quand les recommandations pourraient réussir ou échouer. Les résultats se demandent également si le fait de noter uniquement les réponses finales peut montrer ce que les élèves comprennent.
L’implication centrale est qu’une réponse finale de haute qualité peut refléter plus que la connaissance du sujet. Dans cette expérience, l'accès à ChatGPT a amélioré les fonctionnalités récompensées par une rubrique conventionnelle : cohérence, nombre d'idées, similarité avec les recommandations d'experts et performances par rapport aux objectifs marketing spécifiés. Cela pourrait donner l’impression que le travail assisté par l’IA est plus solide, même si l’évaluation ne révèle pas dans quelle mesure le raisonnement provenait de l’expertise antérieure de l’étudiant. La source indique que les étudiants devaient encore décider quoi demander à ChatGPT, évaluer ses réponses et sélectionner le matériel pour leurs soumissions, mais elle ne quantifie pas ces activités.
L'étude sépare également l'originalité du vernis. La formation au raisonnement causal n’a pas augmenté les scores dans la rubrique marketing indiquée, mais elle a été associée à un ensemble d’idées plus large et plus distinctif et à des explications plus claires d’un succès ou d’un échec possible. Ce résultat est important pour les éducateurs, car un devoir peut récompenser une réponse conventionnelle bien structurée sans savoir si un élève a envisagé plusieurs approches ou a produit une idée que ses pairs n'ont pas fait. Ces résultats sont présentés comme la preuve que la pensée critique peut affecter des dimensions de performance que la notation ordinaire ne peut pas prendre en compte.
Le groupe combiné a montré pourquoi la source décrit les interventions comme complémentaires plutôt que comme alternatives. Les étudiants qui ont reçu les deux ont montré une plus grande variété d'idées associée à l'exercice ainsi que des performances de rubrique et un nombre d'idées plus élevés associés à l'accès à ChatGPT. La source rapporte que ce groupe a également fait preuve d'une plus grande cohérence logique et d'une plus grande capacité à rechercher des explications et à remettre en question les hypothèses. Ces résultats pourraient éclairer la conception de l’évaluation, mais ils n’établissent pas que ChatGPT améliore l’apprentissage dans tous les contextes ou que l’enseignement du raisonnement causal augmente toujours l’originalité. L’expérience a mesuré le travail sur une seule analyse de rentabilisation, et non l’apprentissage à long terme, la rétention ou les performances indépendantes sans IA.
Mécanisme interactif : comment cela fonctionne réellement
Explorez de manière interactive la technologie sous-jacente à ce développement.
What is a common training objective for an autoregressive language model?
Que regarder ensuite
Les conclusions de l’étude doivent être interprétées dans leur contexte : des étudiants de première année d’une université réalisant une analyse de rentabilisation, répartis en groupes organisés par période de cours. La source ne fournit pas les méthodes complètes de l’article, les données démographiques des participants, la durée de la formation, les enregistrements d’utilisation de ChatGPT ou les preuves provenant d’autres sujets. Des recherches plus approfondies devraient vérifier si cette tendance s’applique à toutes les disciplines et si des évaluations repensées peuvent mesurer plus directement le raisonnement et l’originalité.
Une question clé est de savoir si le même schéma apparaît en dehors d’une affaire de marketing de marchandises universitaire. La source ne donne aucun résultat pour les mathématiques, les sciences, l'écriture, la formation professionnelle ou d'autres types de devoirs. Les chercheurs et les enseignants auraient besoin d’expériences comparables sur tous les sujets, groupes d’âge, institutions et niveaux d’expertise préalable avant de considérer les résultats comme largement généralisables. On ne sait pas non plus si les avantages attribués à ChatGPT dépendent spécifiquement de GPT-4o, de la manière dont les étudiants ont reçu pour instruction de l'utiliser ou de la structure de la tâche.
Les changements d’évaluation constituent une autre question pratique. Si les étudiants peuvent soumettre des réponses soignées et dignes d'un expert avec l'aide de l'IA, les enseignants peuvent accorder plus d'importance aux brouillons, aux explications orales, à l'évaluation des sources, aux enregistrements de raisonnement ou aux nouvelles candidatures. Ces approches pourraient rendre la compréhension des élèves plus visible, mais la source ne teste aucune évaluation repensée. Il n’indique pas non plus si le travail final des étudiants contenait des erreurs factuelles, si les évaluateurs savaient quels étudiants avaient accès à ChatGPT, ou comment les mesures automatisées d’originalité ont été validées par rapport aux jugements humains.
La structure des missions de l’étude mérite une attention particulière dans les futurs rapports et réplications. Les étudiants ont été répartis au hasard par période de cours, et la source ne décrit pas combien de classes étaient impliquées, comment les groupes étaient équilibrés ou si les conditions de classe différaient. La source laisse également savoir combien de temps les étudiants ont passé avec ChatGPT, quelles invites ils ont utilisées et dans quelle mesure ils ont effectué le travail de manière indépendante. Des recherches de suivi pourraient examiner les effets à plus long terme, les performances dans des tâches non assistées et si le fait de former les étudiants à remettre en question les résultats de l’IA modifie la qualité et l’originalité de leur travail. En attendant de répondre à ces questions, les résultats soutiennent une conclusion ciblée : dans cette expérience, l’assistance de l’IA et l’enseignement du raisonnement causal ont amélioré différents aspects du devoir d’un élève.