L'IA d'orientation, prophétie des admissions passées

L'État retire un signal de la sélection et en promet un autre pour l'orientation

Le dossier de presse « Lycéens, étudiants : ce qui change pour vous », publié le 26 octobre 2026 par le ministère de l'Éducation nationale et le ministère de l'Enseignement supérieur, de la Recherche et de l'Espace, annonce que, « pour les élèves aujourd'hui en première et en seconde, Parcoursup sera remplacé, à la campagne 2028, par un nouveau système d'admission dans l'enseignement supérieur, plus simple ». Un comité de réforme réunissant lycéens et enseignants « autour des ministres » doit rendre ses premières recommandations « d'ici la fin du mois de novembre ». Si ces évolutions impliquent de modifier la loi, le gouvernement présentera un projet de loi reprenant les conclusions du comité.

Parmi les évolutions à l'étude, le texte retient la place du contrôle continu et « un outil d'orientation enrichi par l'intelligence artificielle, s'appuyant sur les résultats des campagnes précédentes pour aider les lycéens à faire des choix cohérents avec leur parcours et leurs envies ». Le dossier n'en dit pas davantage. Il ne précise ni l'architecture de l'outil, ni ses données d'entraînement (les exemples à partir desquels un modèle apprend ses régularités), ni son coût, ni son opérateur. Le même document précise pourtant que les contributions à la consultation lycéenne ont reçu un « premier traitement assisté par l'intelligence artificielle » suivi d'« une analyse humaine fine ». Rien de comparable n'est annoncé pour l'outil d'orientation.

Sur la même page, le dossier engage le pays « vers la suppression de la mention du lycée d'origine ». Cette suppression est « demandée par les lycéens et par les organisations participant à la concertation ». Elle reste conditionnelle, car elle suppose au préalable « une méthode partagée d'appréciation du niveau des élèves, pour que des notes attribuées dans des établissements différents puissent être comparées équitablement ». Un groupe d'experts est saisi « dès l'automne 2026 pour préparer les décisions pour 2028 ».

Le document ajoute une série de garanties. La fiche de chaque formation présentera « les critères et pondérations utilisés pour examiner les candidatures l'année précédente ». Chaque refus sera expliqué : la notification s'accompagnera d'éléments d'explication, et les formations motiveront leurs décisions « lorsqu'un candidat le demande ». Le volet capacitaire n'est pas absent : 15 000 places supplémentaires entre 2027 et 2028, dont 10 000 en BTS, 4 000 en BUT et 1 000 pour la licence accès santé, adossées à 1 264 postes de professeurs pour les BTS et à 204 postes d'enseignants pour les IUT. Il constate que « plus de 90 % des difficultés d'affectation se concentrent en Île-de-France ».

Toutes ces garanties portent sur un même moment, celui où une commission classe un dossier. L'outil d'orientation intervient plus tôt, quand le lycéen choisit les formations qu'il demandera. La suite de l'article montre que c'est précisément là que les inégalités d'accès se forment.

Le lycée d'origine a été combattu comme variable de substitution

Les institutions de contrôle n'ont jamais reproché au lycée d'origine d'être une information fausse. Elles lui ont reproché ce qu'il transmet. Dans sa décision n° 2019-021 du 18 janvier 2019, le Défenseur des droits relève que le recours à ce critère, en favorisant ou en défavorisant des candidats « en fonction du lieu géographique dans lequel l'établissement est situé », peut être assimilé à une pratique discriminatoire. Il recommande aussi de rendre publiques toutes les informations relatives au traitement des dossiers, « y compris algorithmique ».

Un an plus tard, la Cour des comptes mesure le phénomène. Sa communication du 27 février 2020 au comité d'évaluation et de contrôle de l'Assemblée nationale repose sur une méthode singulière : la Cour a entraîné des algorithmes d'apprentissage pour reconstituer les quelque 15 000 « algorithmes locaux » des formations. Les données révèlent les critères réellement employés, parmi lesquels « la prise en compte des lycées d'origine ». La synthèse du rapport en donne la raison : la forte disparité de notations entre les lycées « a conduit certaines formations à prendre en compte le lycée d'origine des candidats pour effectuer leur classement, sans que l'objectivité de la méthode retenue ne soit garantie ». Sa dixième recommandation demande d'« anonymiser le lycée d'origine et lui substituer une mesure de l'écart entre les résultats au baccalauréat et la notation au contrôle continu ».

Le lycée d'origine dans les classements, selon la Cour des comptes

Jusqu'à 20 % des commissions d'examen des vœux des filières non sélectives les plus en tension utilisaient le critère du lycée d'origine en 2019. Dans les licences non sélectives en tension, ce critère jouait à plus de 1 % pour environ 20 % d'entre elles. Dans les classes préparatoires concernées, son poids variait de 1 à 6 % pour la moitié des commissions. L'outil d'aide à la décision national ne permettait pas d'appeler automatiquement ce critère, que les commissions ajoutaient ensuite lors du retraitement des données. Source : Cour des comptes, communication du 27 février 2020, p. 64 et p. 75.

Le lycée d'origine fonctionne comme une variable de substitution (un indicateur qui tient lieu d'une grandeur inaccessible). Faute de pouvoir comparer des notes attribuées par des enseignants différents, les commissions ont pris l'établissement comme indice de la valeur de la note. La réputation d'un lycée condense pourtant sa composition sociale, sa localisation et son histoire. Classer selon l'établissement revient à juger un élève sur la trajectoire collective de ceux qui l'ont précédé.

En subordonnant la suppression à une méthode d'harmonisation des notes, le dossier de 2026 admet que la variable compensait une incomparabilité réelle et ne peut disparaître sans remplaçant. Le problème est donc identifié comme un problème de données : des notes non comparables, corrigées par un signal hérité. C'est sur ce terrain que l'outil d'orientation va s'installer.

Les inégalités d'accès se forment dans les vœux, en amont de toute décision

Le huitième rapport annuel au Parlement du Comité éthique et scientifique de Parcoursup et Mon Master, daté d'avril 2026, apporte un constat décisif. Le Comité rappelle que ses rapports ont montré que « ni la procédure Parcoursup, ni les modalités de classement des formations n'induisent une discrimination en raison de l'origine sociale ou géographique ». Si les néo-bacheliers défavorisés ou éloignés des grands centres sont moins souvent admis dans les formations considérées comme prestigieuses, ce n'est pas, selon lui, en raison des propositions de ces formations, mais parce qu'ils y font moins de vœux ou acceptent moins souvent leurs propositions. Le Comité en conclut que les remèdes sont à chercher ailleurs que dans la procédure, à l'exception des quotas de boursiers, qui ont permis en 2025 à 17 000 néo-bacheliers boursiers d'être admis dans une formation où ils n'auraient vraisemblablement pas eu de proposition sans eux.

La Cour des comptes avait déjà nommé ce qui se joue en amont. Elle décrivait en 2020 une orientation marquée par une autocensure d'origine sociale, géographique et de genre (le renoncement anticipé d'un élève à des formations auxquelles son niveau lui donnerait accès). « À niveau scolaire équivalent, les jeunes issus des catégories les moins favorisées ont des aspirations moins ambitieuses », écrivait-elle, du fait d'un manque de connaissance des formations et d'une sous-estimation de leur potentiel. Sa douzième recommandation en tirait une conséquence précise : « proposer un outil d'aide à l'orientation permettant d'analyser les classements, afin de permettre aux candidats d'accroître leur chance d'accéder à la formation de leur choix et lutter contre l'autocensure ».

Les deux sources publiques ne disent pas exactement la même chose sur les classements, et la note méthodologique y revient. Elles convergent en revanche sur l'essentiel : la part la plus massive des écarts d'accès naît au moment des vœux. L'outil que recommandait la Cour devait corriger cette autocensure. Celui que le gouvernement met à l'étude promet des choix « cohérents avec leur parcours », calculés sur les résultats passés. La différence n'est pas de vocabulaire. Une cohérence mesurée sur le passé prend pour norme les trajectoires que l'autocensure a produites.

Un modèle nourri des campagnes passées peut réaliser sa propre prédiction

Dans The Antioch Review, en 1948, Robert K. Merton part du théorème de W. I. Thomas, selon lequel des situations définies comme réelles sont réelles dans leurs conséquences. Son premier exemple est une banque solvable qu'une rumeur d'insolvabilité, une fois crue, conduit réellement à la faillite.

La prophétie autoréalisatrice (Robert K. Merton, 1948)

« The self-fulfilling prophecy is, in the beginning, a false definition of the situation evoking a new behavior which makes the originally false conception come true. » (La prophétie autoréalisatrice est, au départ, une définition fausse de la situation qui suscite un comportement nouveau, lequel rend vraie la conception initialement fausse.) Merton ajoute que cette validité trompeuse perpétue « a reign of error » (un règne de l'erreur), car le prophète invoque le cours des événements comme preuve qu'il avait raison depuis le début. Source : Robert K. Merton, « The Self-Fulfilling Prophecy », The Antioch Review, vol. 8, n° 2, 1948, p. 195.

L'exemple éducatif de Merton éclaire directement le cas présent. Il décrit un groupe dominant qui, persuadé de l'infériorité des Noirs américains, veille à ce que les crédits d'éducation ne soient pas gaspillés pour eux, puis invoque leur faible proportion de diplômés de l'université comme preuve finale de cette infériorité. La mesure produite par l'exclusion sert à justifier l'exclusion.

L'outil annoncé reproduirait ce schéma sans aucune intention malveillante. Pour juger qu'un vœu est cohérent avec un parcours, un modèle doit rapprocher le profil d'un lycéen de ceux qui, les années précédentes, ont été admis dans telle formation, l'ont acceptée et y ont réussi. Le mécanisme opère alors en trois temps. Le modèle observe d'abord que les élèves d'un certain type d'établissement accèdent rarement à certaines filières. Il juge ensuite ces vœux peu cohérents et oriente ces élèves vers d'autres formations. Ces élèves postulent alors moins, sont moins admis, et la campagne suivante confirme la prédiction. Le modèle ne se trompe jamais au regard de ses propres données, puisqu'il contribue à les fabriquer.

Cathy O'Neil a donné à ce mécanisme sa forme contemporaine. Dans Weapons of Math Destruction (Crown, 2016), elle appelle armes de destruction mathématique (weapons of math destruction) les modèles qui réunissent trois éléments, « Opacity, Scale, and Damage » (opacité, échelle et dommage). Ces modèles, écrit-elle, confondent leurs résultats avec la réalité du terrain et créent ainsi des boucles de rétroaction pernicieuses (des cycles où les sorties du modèle alimentent les données qui le valident). Sa formule la plus nette vaut pour l'outil annoncé : « Big Data processes codify the past. They do not invent the future. » (Les traitements de données massives codifient le passé. Ils n'inventent pas l'avenir.)

O'Neil précise aussi comment une variable apparemment neutre transporte l'histoire. Elle raconte ouvrir ses cours d'éthique destinés aux spécialistes des données en leur demandant s'il est légitime d'utiliser le code postal dans un modèle de notation des emprunteurs. Ils comprennent vite qu'ils encoderaient ainsi les injustices passées, car le modèle répondrait à la question « How have people like you behaved in the past? » (comment les gens comme vous se sont-ils comportés par le passé ?) au lieu de « How have you behaved in the past? » (comment vous êtes-vous comporté par le passé ?). Le lycée d'origine est l'équivalent scolaire du code postal. Le retirer du dossier ne le retire pas des campagnes passées, où il a pesé directement dans les classements et indirectement dans les vœux. Elle rapporte d'ailleurs le cas de l'école de médecine St George's, à Londres, dont le logiciel de présélection, entraîné sur les décisions antérieures, avait appris des humains à écarter des candidats selon leur origine et leur sexe.

L'apport le plus utile d'O'Neil tient à l'absence de retour correctif. Des employeurs qui filtrent les candidats sur leur historique de crédit, observe-t-elle, n'apprennent jamais combien de bons salariés ils ont écartés. Un lycéen détourné d'une licence sélective ne produit aucun échec visible dans les données d'admission. Il n'y apparaît tout simplement pas.

La transparence promise éclaire la décision et laisse l'orientation dans l'ombre

Le droit en vigueur reproduit le découpage du dossier de presse. La loi n° 2018-166 du 8 mars 2018 relative à l'orientation et à la réussite des étudiants organise la communication des règles de la plateforme nationale et encadre l'accès aux traitements des établissements au nom du secret des délibérations. Dans sa décision n° 2020-834 QPC du 3 avril 2020, le Conseil constitutionnel a validé ce régime sous réserve : chaque établissement doit publier, à l'issue de la procédure, les critères d'examen des candidatures, en précisant « le cas échéant, dans quelle mesure des traitements algorithmiques ont été utilisés ». Le Conseil s'est appuyé sur le fait que la procédure « n'est pas entièrement automatisée » et que la décision « ne peut être exclusivement fondée sur un algorithme ».

Tout cet édifice repose sur la notion de décision. Un outil d'orientation n'en prend aucune : il conseille. Le droit de la décision algorithmique ne le saisit donc pas, alors que son effet sur la répartition des candidats pourrait dépasser celui de nombreuses commissions. Le Comité éthique et scientifique signale d'ailleurs une limite de la transparence déjà existante. Les candidats peuvent consulter les profils détaillés de ceux qui ont reçu des propositions l'année précédente, mais ce sont, écrit-il, « des informations sur les résultats des années passées et non pas sur les critères utilisés pour la procédure en cours ». L'outil annoncé prolongerait cette logique rétrospective en la rendant prescriptive.

Ce que la CNIL écrivait des analyses prédictives à l'école

Dans son rapport d'activité 2017, la CNIL relève que les learning analytics (analyses des traces numériques d'apprentissage) peuvent servir à « prédire » des échecs, à détecter des élèves à risque ou à les affecter dans une filière « adaptée à leur profil ». Elle rappelle qu'elles soulèvent « la question de l'enfermement algorithmique », et que de telles analyses ne devraient avoir pour objet ni pour effet un déterminisme sur les parcours scolaires des élèves. Source : CNIL, 38e rapport d'activité 2017, p. 27.

Le gouvernement rend transparente l'étape où le biais a été repéré et laisse sans garantie celle où il peut se reconstituer. La commission CLAIRE (Commission locale d'accès aux informations sur la réussite étudiante), créée dans chaque académie et chargée d'examiner « le fonctionnement et les résultats des procédures d'orientation et d'affectation », est la seule instance du dossier dont le périmètre pourrait couvrir l'outil. Le texte ne le précise pas. Il reste aussi silencieux sur l'articulation des deux chantiers. Le groupe d'experts doit inventer une méthode pour rendre comparables des notes qui ne le sont pas. Un modèle entraîné sur les campagnes antérieures apprendrait précisément de notes non harmonisées et de classements où l'établissement a pesé.

Il manque enfin l'instrument qui permettrait d'évaluer les effets d'un tel outil. Le Comité constate que, malgré l'accent mis en théorie sur le continuum allant de trois ans avant le baccalauréat à trois ans après, ce suivi « n'existe pas en pratique dans la culture des ministères concernés ». Sans ce suivi par établissement d'origine, personne ne pourra dire si l'outil corrige l'autocensure ou la reconduit.

Le précédent d'APB montre comment une plateforme absorbe le problème des places

Le précédent le plus proche est Admission post-bac (APB), la plateforme qui précédait Parcoursup. La Cour des comptes rappelle qu'elle faisait l'objet d'une contestation croissante, « notamment en raison du tirage au sort » mis en place pour départager les candidats aux filières non sélectives dont la demande dépassait les places. En mars 2017, la CNIL contrôle le traitement. Selon son rapport d'activité 2017, elle constate que, pour les formations non sélectives, un algorithme déterminait automatiquement, sans intervention humaine, les propositions faites aux candidats à partir de trois critères : le domicile, la situation de famille et l'ordre de préférence des vœux. La présidente de la CNIL met publiquement en demeure le ministère le 28 septembre 2017. La mise en demeure est close lorsque le ministère annonce la fermeture d'APB et la mise en place d'un nouveau dispositif, Parcoursup.

La séquence est instructive. La critique visait un algorithme, la réponse a consisté à changer de plateforme, et le fond du problème, des capacités inférieures à la demande dans certaines filières, est resté en place. La Cour des comptes demandait pourtant en 2020 une doctrine concertée de fixation des capacités d'accueil. Neuf ans après APB, le dossier de 2026 répète le geste de remplacement, tout en reconnaissant qu'en BUT, 8 780 candidats ont été admis pour 8 802 places en 2025. Quand les places sont pleines, aucune interface ne crée de marge, et l'outil concentre la contestation d'une rareté qu'il ne produit pas.

Evgeny Morozov a donné un nom à cette pente dans To Save Everything, Click Here: The Folly of Technological Solutionism (PublicAffairs, 2013). Le solutionnisme désigne la tentation de confier à la technologie des problèmes qui n'en relèvent pas, au risque, selon ses propres termes, de donner l'illusion qu'ils peuvent être résolus par elle. Lors d'une conférence au Carnegie Council le 12 avril 2013, Morozov en a donné une illustration simple. Fournir aux citoyens une application qui mesure leur marche ne dit rien des raisons pour lesquelles ils ne marchent pas : « It's a very different kind of intervention to actually go and investigate why they are not walking more. » (C'est un tout autre type d'intervention que d'aller chercher réellement pourquoi ils ne marchent pas davantage.)

Le dossier de 2026 mérite toutefois une lecture loyale, car il n'est pas entièrement solutionniste. Les 15 000 places, financées par des postes nommés, traitent la rareté. Le groupe d'experts chargé d'harmoniser les notes traite l'incomparabilité. Le solutionnisme se loge dans un seul élément, l'outil d'IA, présenté comme une aide à des choix « cohérents ». Cette formule situe l'incohérence du côté des lycéens, alors que les autorités de contrôle situent une part des écarts dans l'autocensure et dans l'offre de places, notamment en Île-de-France.

Une hypothèse vérifiable avant la campagne 2028

La tension posée au départ reste entière. Cette chronique ne soutient pas que l'outil reproduira mécaniquement l'effet du lycée d'origine. Elle soutient que rien, dans le dispositif annoncé, ne permettrait de savoir s'il le fait. La prophétie autoréalisatrice de Merton décrit un mécanisme qui se dissimule en se confirmant. Les boucles de rétroaction pernicieuses d'O'Neil expliquent pourquoi il se dissimule d'autant mieux que le modèle est vaste et ne reçoit aucun retour sur ce qu'il écarte. Retirer le lycée d'origine du dossier tout en entraînant une IA sur les admissions passées revient à fermer une porte tout en ouvrant celle qui la contourne.

L'hypothèse se formule ainsi. Si l'outil d'orientation est mis en service pour la campagne 2028 sans que le ministère ait publié, avant l'ouverture de la formulation des vœux, deux documents, le risque décrit ici se sera matérialisé sans contrôle possible. Le premier document est une description des campagnes et des variables utilisées pour entraîner l'outil. Le second est une évaluation de ses recommandations ventilée par type d'établissement d'origine (secteur public ou privé, indice de position sociale, académie). Tout lecteur pourra le constater sans information interne, en consultant les publications du ministère de l'Enseignement supérieur et le rapport annuel que le Comité éthique et scientifique remettra au Parlement en 2028. Une question plus large reste ouverte : le droit de la décision algorithmique, construit autour de l'acte qui tranche, peut-il s'étendre aux outils qui, sans rien décider, délimitent ce qu'il reste à décider ?

Note méthodologique

Cette chronique s'appuie principalement sur le dossier de presse du 26 octobre 2026, la communication de la Cour des comptes du 27 février 2020, le huitième rapport du Comité éthique et scientifique de Parcoursup et Mon Master, le rapport d'activité 2017 de la CNIL et les textes de Merton, O'Neil et Morozov.

Sur le rôle des classements, la Cour établit l'usage du lycée d'origine par une partie des commissions en 2019, quand le Comité estime que les modalités de classement n'induisent pas de discrimination sociale ou géographique. L'auteur retient leur point de convergence, le poids des vœux. Les affirmations d'absence sur l'outil d'IA se limitent au dossier de presse lu le 28 octobre 2026. Le choix d'APB comme précédent et la lecture partiellement solutionniste du dossier sont des choix d'interprétation de l'auteur.

Recherche de sources, croisement des données et structuration du raisonnement s'appuient sur une assistance par intelligence artificielle. Le choix de l'angle et du cadre théorique, la vérification des sources, les arbitrages et l'établissement du texte final relèvent de l'auteur.

image générée par IA (ChatGPT Images 2.5)

Sources

Sources primaires institutionnelles

• Ministère de l'Éducation nationale et ministère de l'Enseignement supérieur, de la Recherche et de l'Espace, « Lycéens, étudiants : ce qui change pour vous », dossier de presse, 26 octobre 2026. https://www.education.gouv.fr/sites/default/files/document/lyceens-etudiants-ce-qui-change-pour-vous-521799.pdf
• Loi n° 2018-166 du 8 mars 2018 relative à l'orientation et à la réussite des étudiants, article 1, Journal officiel du 9 mars 2018. https://www.legifrance.gouv.fr/jorf/article_jo/JORFARTI000036683778
• Conseil constitutionnel, « Décision n° 2020-834 QPC du 3 avril 2020 », communiqué de presse, 3 avril 2020. https://www.conseil-constitutionnel.fr/actualites/communique/decision-n-2020-834-qpc-du-3-avril-2020-communique-de-presse

Rapports et décisions d'autorités

• Cour des comptes, « Un premier bilan de l'accès à l'enseignement supérieur dans le cadre de la loi Orientation et réussite des étudiants », communication au comité d'évaluation et de contrôle des politiques publiques de l'Assemblée nationale, 27 février 2020. https://www.ccomptes.fr/fr/publications/acces-lenseignement-superieur-premier-bilan-de-la-loi-orientation-et-reussite-des
• Comité éthique et scientifique de Parcoursup et Mon Master, « 8e rapport annuel au Parlement », avril 2026, consulté le 28 octobre 2026. https://www.enseignementsup-recherche.gouv.fr/sites/default/files/2026-04/8e-rapport-du-comit-thique-et-scientifique-de-parcoursup-et-mon-master-39958.pdf
• Défenseur des droits, « Décision 2019-021 du 18 janvier 2019 relative au fonctionnement de la plateforme nationale de préinscription en première année de l'enseignement supérieur (Parcoursup) », 18 janvier 2019. https://juridique.defenseurdesdroits.fr/index.php?lvl=notice_display&id=27285
• Commission nationale de l'informatique et des libertés, « 38e rapport d'activité 2017 », 10 avril 2018. https://www.cnil.fr/sites/cnil/files/atoms/files/cnil-38e_rapport_annuel_2017.pdf

Cadres théoriques

• Robert K. Merton, « The Self-Fulfilling Prophecy », The Antioch Review, vol. 8, n° 2, été 1948, p. 193-210. https://www.jstor.org/stable/4609267
• Cathy O'Neil, Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy, Crown, 6 septembre 2016. https://www.penguinrandomhouse.com/books/241363/weapons-of-math-destruction-by-cathy-oneil/
• Carnegie Council for Ethics in International Affairs, « To Save Everything, Click Here: The Folly of Technological Solutionism », conférence d'Evgeny Morozov, transcription, 12 avril 2013. https://media-1.carnegiecouncil.org/import/studio/To_Save_Everything_Click_Here.pdf