Perceptions des étudiants à l’égard de l’usage de l’intelligence artificielle générative dans l’apprentissage universitaire

Résumé

Résumé

L’essor rapide de l’intelligence artificielle générative, à travers des outils conversationnels tels que ChatGPT, Gemini ou Claude, transforme en profondeur les pratiques d’apprentissage et de recherche dans l’enseignement supérieur. Cette étude analyse la manière dont les étudiants perçoivent l’intégration de ces technologies et identifie les facteurs qui déterminent leur intention d'usage dans un cadre académique. La recherche mobilise le Technology Acceptance Model (TAM) enrichi par l'intégration de dimensions pédagogiques et critiques, notamment l'impact perçu sur l'apprentissage, la confiance et les risques perçus. Sur le plan méthodologique, une démarche quantitative explicative fondée sur la modélisation en équations structurelles par les moindres carrés partiels (PLS-SEM) a été adoptée. Les données ont été collectées via un questionnaire structuré administré auprès d’un échantillon de 183 étudiants universitaires, caractérisé par une forte représentation des cycles supérieurs (Master et Doctorat). Les résultats empiriques valident la majorité des hypothèses formulées : l’utilité perçue et l’impact perçu sur l’apprentissage constituent les principaux leviers de l'attitude et de l'intention d’usage, tandis que la perception des risques (erreurs factuelles, plagiat, dépendance cognitive) agit comme un frein significatif. L’étude offre des repères utiles pour l'élaboration de cadres institutionnels et de stratégies pédagogiques favorisant un usage responsable de l'IAG dans le supérieur

Mots-clés : Intelligence artificielle générative, perception étudiante, apprentissage universitaire, TAM, enseignement supérieur

Abstract

The rapid emergence of generative artificial intelligence, driven by tools such as ChatGPT, Gemini, or Claude, is profoundly reshaping learning and research practices in higher education. This study examines how university students perceive the integration of these technologies and identifies the key factors influencing their behavioral intention to use them for academic purposes. The theoretical framework extends the Technology Acceptance Model (TAM) by incorporating pedagogical and critical dimensions, including perceived learning impact, trust, and perceived risks. Methodologically, a quantitative explanatory approach based on Partial Least Squares Structural Equation Modeling (PLS-SEM) was implemented. Data were gathered using a structured questionnaire administered to a sample of 183 university students, marked by a high proportion of graduate students (Master's and Ph.D. candidates). Empirical findings validate most of the hypothesized relationships: perceived usefulness and perceived learning impact serve as the main drivers of positive attitudes and usage intentions, whereas perceived risks (such as factual inaccuracies, plagiarism, and cognitive reliance) represent significant barriers. This research provides actionable insights for academic institutions to design guidelines and pedagogical strategies that foster responsible GAI adoption in higher education

Keywords: Generative artificial intelligence, student perception, university learning, TAM, higher education