À Berkeley, plus d’un tiers des étudiants en informatique sont recalés à cause de l’IA
« Ne faites plus d'études : apprendre autrement à l'ère de l'IA », qu'y disaient
Le nombre de notes éliminatoires à l’examen de printemps du cours d’initiation à l’informatique de Berkeley a explosé de + 419 % en un an. En cause : les lacunes en maths des étudiants, trop habitués à recourir à l’IA plutôt qu’à apprendre leurs cours et à faire par eux-mêmes leurs devoirs, l’absentéisme et l’absence de participation en classe, et le fait que nombre d’entre eux aient triché.
35 % des étudiants de l’université de Californie à Berkeley ont obtenu une note éliminatoire à l’examen d’initiation à l’informatique le printemps dernier, contre 7 % l’an passé, relève le Daily Californian, un journal indépendant géré par les étudiants de l’université.
Les enseignants déplorent le recours accru des élèves à l’IA, leur manque de préparation en mathématiques, le manque de personnel et la triche qui en résulte.
Figurant en quatrième position au classement 2026 des meilleures écoles d’informatique états-uniennes, derrière Carnegie Mellon, le MIT et Standford, Berkeley est aussi la première au classement des meilleures universités publiques.
Intitulé « La beauté et la joie de l’informatique », COMPSCI 10 est un cours d’initiation destiné aux étudiants ayant une « expérience minimale en informatique », afin de les préparer aux futurs cours d’informatique et leur « donner les moyens d’utiliser la programmation pour résoudre des problèmes dans leur domaine d’études » :
« Il offre un aperçu de l’histoire, des grands principes et des applications révolutionnaires de l’informatique, ainsi qu’une introduction complète à la programmation. Les thèmes abordés comprennent l’abstraction, la récursivité, la complexité algorithmique, les fonctions d’ordre supérieur, la concurrence, les implications sociales de l’informatique (vie privée, éducation, biais algorithmiques) et des domaines de recherche passionnants (science des données, IA, IHM). Les étudiants programmeront en Snap! (un langage graphique convivial) et en Python, et concevront et mettront en œuvre deux projets de leur choix. »
Intitulé « Structure et interprétation des programmes informatiques », COMPSCI 61A est quant à lui une introduction à la programmation et à l’informatique « axée sur les techniques d’abstraction comme moyens de gérer la complexité des programmes » :
« Le cours initie les étudiants aux différents paradigmes de programmation, notamment les approches fonctionnelle, orientée objet et déclarative. Il comprend une introduction à l’analyse asymptotique des algorithmes. »
Une explosion de respectivement + 419 %,+ 179 % et + 1 020 %, en un an
Or, 35,3 % des étudiants du cours CS 10 et 10,6 % des étudiants du cours CS 61A ont obtenu ce printemps 2026 un F (pour « failure », échec), soit la plus mauvaise note du système de notation états-unien, réservée aux travaux considérés comme irrecevables ou éliminatoires.
À titre de comparaison, aux printemps 2024 et 2025, le pourcentage de F avait baissé, passant de 9,1 à 6,8 % pour le premier cours, de 5 à 3,8 % pour le second. Une explosion (de respectivement + 419 % et + 179 %) d’autant plus problématique que les directives de notation avancent que 7 % des étudiants des cours de premier cycle, dont font partie les cours CS 10 et CS 61A, devraient obtenir des notes D et F.

Les directives précisent en outre qu’« une moyenne générale typique pour un cours de premier cycle se situe entre 2,8 et 3,3 ». Au printemps 2026, la moyenne des notes des deux classes était de C+, ce qui correspond à une moyenne générale de 2,3.
Le cours EECS 127 intitulé « Modèles d’optimisation en ingénierie » a de son côté enregistré ce printemps 2026 un taux d’échec (F) de 16,8 %, bien supérieur aux 5 % de notes D et F que le département EECS qualifie de « typiques » pour un cours de ce type, et alors qu’il était pourtant passé de 2,5 à 1,5 % entre 2024 et 2025, soit une explosion de + 1 020 % cette année.
Une « forte augmentation de la malhonnêteté académique »
Dan Garcia, qui a enseigné au printemps 2026 les cours CS 10 et CS 61A, estime que le « principal facteur » de ces taux d’échec anormalement élevés est dû à une « forte augmentation de la malhonnêteté académique » résultant de l’utilisation par les étudiants de grands modèles linguistiques, tels que Claude, ChatGPT et Google Gemini.
Garcia précise que près de 30 étudiants du cours CS 10 ont ainsi été « surpris en train de tricher lors d’examens à faire à la maison » au printemps 2026 (l’article ne précise pas combien d’étudiants devaient passer l’examen) :
« Certains des chiffres que vous avez vus concernant le nombre d’étudiants ayant échoué s’expliquent par le fait que nous les avons surpris en train de tricher, que nous avons engagé des poursuites à leur encontre et que nous avons transmis leurs dossiers au Centre de déontologie étudiante. »
« Mais dans d’autres cas, ce sont des étudiants qui s’appuient un peu trop sur les modèles de langage (LLM) pour faire le travail à leur place, et qui, au moment des examens, ne sont tout simplement pas prêts », poursuit-il.
Il faudrait enseigner « davantage, et non moins » aux étudiants à l’ère de l’IA
M. Garcia estime également que de nombreux étudiants présentaient des lacunes en mathématiques, une préoccupation partagée par Gireeja Ranade, professeure associée d’Electrical Engineering and Computer Science, en charge du cours EECS 127.
Elle s’est rendu compte que de nombreux étudiants avaient des difficultés en algèbre linéaire, et a été surprise de découvrir qu’un étudiant lui a confié que le cours d’algèbre linéaire qu’il avait suivi à Berkeley appliquait une « politique d’accès libre à Internet et à l’IA » pour les devoirs et les examens.
Alors que les permanences étaient autrefois « bondées », Ranade, Garcia et leurs assistants ont en outre constaté ce semestre une « très faible participation » des étudiants en cours, bien qu’ils aient régulièrement encouragé les étudiants à y assister.
« Avant, j’avais toujours des permanences bien remplies, et pour la première fois, personne ne venait me voir », s’étonne Garcia : « C’était tellement surprenant de me retrouver seul dans mon bureau. »
Garcia prévoit de discuter de ce qui s’est passé ce printemps 2026 avec ses étudiants dès les premiers jours de leurs futures classes, et de chercher à identifier les élèves ayant besoin de soutien supplémentaire.
Mme Ranade estime pour sa part que les professeurs devraient enseigner « davantage, et non moins » aux étudiants à l’ère de l’IA, de sorte qu’ils acquièrent les capacités de réflexion critique et d’analyse nécessaires pour devenir des leaders capables de s’imposer «dans un monde très concurrentiel ».
Les deux professeurs ont souligné la nécessité pour les étudiants de se sentir plus à l’aise face à des problèmes complexes.
Comme le résume @HedgieMarkets sur X.com, le marché du travail s’effondre en aval et en amont, sous couvert des profits et économies que permettrait l’IA :
« Les ingénieurs chevronnés sont licenciés pour financer les dépenses liées à l’IA. Les ingénieurs débutants sortent de l’université sans les compétences nécessaires, car l’IA s’est chargée de leurs cours. Et les entreprises qui dépensent des milliards dans ces outils n’ont pas encore fait le lien entre ces deux réalités. »



























