Usages et non-usages des IA génératives en éducation : construction d'un modèle alternatif d'acceptabilité

Résumé

Cette recherche étudie l’adoption des IA génératives en éducation (IAGE) dans la région Grand-Est à partir d’une enquête auprès de 1663 enseignants et 1159 élèves. Un modèle d’acceptation de la technologie, alternatif à UTAUT 2022, intégrant la transparence et le risque perçu, a été testé. Les analyses (régressions et équations structurelles) montrent que ces variables, en plus des facteurs traditionnels, influencent significativement l’intention d’usage, en particulier chez les enseignants non-utilisateurs. Les modèles expliquent 49 à 53,6 % de la variance globale de l’intention d’usage, et jusqu’à 69,7 % dans certains sous-groupes (enseignants masculins, utilisateurs, < 40 ans, 2nd degré). L’étude confirme la forte importance de la Performance espérée et révèle une configuration spécifique de l’adoption des IAGE, distincte des technologies précédemment étudiées.

Abstract. This research studies the adoption of generative AI in education (IAGE) in the Grand-Est region based on a survey of 1,663 teachers and 1,159 students. A technology acceptance model, alternative to UTAUT 2022, integrating transparency and perceived risk, was tested. The analyses (regressions and structural equations) show that these variables, in addition to traditional factors, significantly influence the intention of use, particularly among non-user teachers. The models explain 49 to 53.6 % of the overall variance in the intention of use, and up to 69.7 % in certain subgroups (male teachers, users, < 40 years old, 2nd degree). The study confirms the strong importance of Expected Performance and reveals a specific configuration of the adoption of IAGE, distinct from the technologies previously studied.