← Contexte et méthodologie de l’enquête
Les profils identifiés en 2025 se maintiennent en 2026 →
<aside> <img src="/icons/info-alternate_purple.svg" alt="/icons/info-alternate_purple.svg" width="40px" />
Les analyses présentées ici portent sur les enseignants ayant déjà entendu parler de l'intelligence artificielle et ayant répondu à l'ensemble des questions nécessaires à la construction des profils d'usage, soit 1 542 répondants pour la première édition du baromètre (Mai 2025) et 595 pour la deuxième (Juillet 2026). Ces deux éditions reposent sur des échantillons indépendants, c'est-à-dire interrogeant des enseignants différents à chaque fois.
Avant de comparer leurs résultats, nous avons vérifié que ces deux groupes de répondants se ressemblaient sur le plan démographique (âge, ancienneté dans le métier, niveau d'enseignement, situation en zone d'éducation prioritaire). Cette vérification a révélé une différence notable : les enseignants de la deuxième édition sont en moyenne un peu plus âgés et plus anciens dans le métier que ceux de la première édition.
</aside>
Cet écart pose un risque d'interprétation : si l'on observe une évolution des pratiques d'usage de l'intelligence artificielle entre les deux éditions, on ne pourrait pas savoir avec certitude si cette évolution reflète un vrai changement dans le temps, ou si elle reflète simplement le fait que les deux groupes de répondants n'ont pas le même profil démographique.
Pour lever cette ambiguïté, nous avons appliqué une technique statistique de rééquilibrage (pondération, par la méthode dite d'« entropy balancing »). Le principe est le suivant : chaque répondant de la deuxième édition se voit attribuer un poids statistique, de façon à ce que l'ensemble de cette édition, une fois pondérée, présente exactement la même structure démographique (âge, ancienneté, niveau, zone d'éducation prioritaire) que la première édition. La première édition sert ainsi de référence et reste inchangée, ce qui garantit la cohérence avec les résultats déjà publiés à son sujet. Cette procédure permet de comparer les deux éditions « toutes choses égales par ailleurs » sur le plan démographique, afin que les différences observées sur les usages de l'IA reflètent plus fidèlement une évolution réelle plutôt qu'un simple effet de composition des échantillons.
Le rééquilibrage a par ailleurs un coût en précision statistique : la taille d'échantillon effective (ESS) de 2026 passe de 595 à environ 550 après pondération, soit une perte de précision d'environ 9 %, un niveau usuellement considéré comme raisonnable.
L'ensemble des analyses présentées dans ce document a été mené à la fois sur les données brutes et sur les données pondérées, afin de vérifier la stabilité des résultats. Sauf mention contraire, les statistiques présentées sont les statistiques pondérées ; les rares cas où la conclusion diffère entre version brute et pondérée sont signalés explicitement dans les sections concernées.
Avant pondération, ces deux variables présentaient déjà un déséquilibre modéré mais statistiquement significatif entre éditions (Niveau scolaire : V de Cramér = 0,070, p = ,0096 ; REP : V = 0,054, p = ,0208), justifiant leur intégration au modèle de pondération.