À Berkeley, plus d’un tiers des étudiants en informatique sont recalés à cause de l’IA

Au printemps 2026, l'université de Californie à Berkeley a enregistré une hausse spectaculaire des échecs dans ses cours d'informatique de première année. Dans le cours d'introduction CS 10 ("La beauté et la joie de l'informatique"), 35,3 % des étudiants ont obtenu un F, contre 6,8 % au printemps 2025, soit une augmentation de 419 % en un an. Le cours CS 61A, consacré à la structure et l'interprétation des programmes, affiche quant à lui 10,6 % d'échecs, contre 3,8 % l'année précédente, soit une hausse de 179 %. Plus frappant encore, le cours d'optimisation EECS 127 a vu son taux d'échec bondir de 1,5 % à 16,8 %, une explosion de plus de 1 000 %. Ces chiffres s'éloignent très largement des directives internes de l'université, qui fixent à 7 % le seuil "typique" de notes D et F en premier cycle. La moyenne générale des deux cours d'intro est tombée à C+, soit 2,3 sur 4, alors que la fourchette attendue se situe entre 2,8 et 3,3.

Ces résultats révèlent une rupture pédagogique profonde liée à la généralisation des outils d'intelligence artificielle. Les enseignants signalent que de nombreux étudiants ont délégué leurs devoirs à des assistants IA sans jamais maîtriser les concepts sous-jacents, ce qui les a laissés démunis lors des examens en présentiel. S'y ajoutent des lacunes mathématiques criantes, un fort absentéisme, un manque de participation en cours, et des cas de tromperie académique. Ces carences, masquées pendant le semestre grâce aux outils génératifs, sont apparues en plein jour lors des évaluations formelles. Pour une université classée quatrième meilleure école d'informatique des États-Unis en 2026, derrière Carnegie Mellon, le MIT et Stanford, et première parmi les universités publiques, ce décrochage représente un signal d'alarme difficile à ignorer.

Berkeley n'est pas un cas isolé : depuis l'explosion de ChatGPT fin 2022, les établissements d'enseignement supérieur du monde entier débattent de l'impact des LLMs sur l'apprentissage réel. La question n'est plus théorique. L'université se retrouve confrontée à un paradoxe : former les ingénieurs et chercheurs qui construiront les systèmes IA de demain, tout en gérant une génération d'étudiants qui utilisent ces mêmes systèmes pour contourner l'apprentissage fondamental. La réponse institutionnelle tarde. Le manque de personnel enseignant mentionné par les professeurs complique toute surveillance renforcée. Les prochains semestres diront si Berkeley adapte ses méthodes d'évaluation, renforce les prérequis mathématiques à l'entrée, ou durcit ses politiques d'intégrité académique face à une technologie que ni les murs ni les règlements ne pourront faire disparaître.