« Le prof a dit que j’étais pas fait pour les maths. » Cette phrase, on l’a tous entendue. Dite ou reçue. Rarement méchamment, parfois même avec bienveillance. Mais dite quand même.
Elle ne décrit pas une réalité. Elle en crée une.
C’est exactement ce que la psychologue Carol Dweck a passé des décennies à documenter.
Growth mindset et fixed mindset : ce que Dweck a vraiment montré
Dans les années 1980, Dweck observe quelque chose d’étrange chez des enfants face à des problèmes difficiles. Certains s’y jettent avec enthousiasme, d’autres abandonnent au premier obstacle. La différence ne vient pas de leur niveau réel, mais de ce qu’ils croient sur leur intelligence.
Ceux qui pensent que l’intelligence est fixe, qu’on en a ou qu’on n’en a pas, adoptent ce qu’elle appelle un fixed mindset. L’échec les menace, parce qu’il confirme leur peur d’être « nuls ». Ils évitent donc les défis, et court-circuitent ainsi le mécanisme même qui fait apprendre : l’erreur assumée, corrigée, intégrée.
Ceux qui pensent que l’intelligence se développe par l’effort adoptent un growth mindset. L’échec devient une information, pas une sentence.
En 2006, Dweck popularise ces concepts dans Mindset: The New Psychology of Success. L’idée fait le tour du monde : les écoles l’adoptent, affichent ses principes dans les couloirs, forment leurs enseignants.
Sauf qu’, Dweck tire elle-même la sonnette d’alarme. Le growth mindset a été réduit à un slogan. Dire à un élève « fais des efforts » ne suffit pas, et peut même devenir culpabilisant pour celui qui s’échine sans progresser. Ce qui compte, c’est que l’élève voie concrètement que ses efforts produisent quelque chose. Sans ce retour, le message reste vide.
Précision utile : la méta-analyse la plus robuste sur le sujet, celle de Sisk et ses collègues (2018) sur plus de 365 000 élèves, montre un effet réel mais modeste, concentré surtout chez les élèves déjà en difficulté ou issus de milieux défavorisés. Bonne nouvelle pour notre sujet : c’est exactement le public visé ici.
Le fixed mindset a un genre
Revenons à cette phrase : « t’es pas fait pour les maths. » Elle est rarement dite de façon neutre. On la dit, ou on la sous-entend, beaucoup plus souvent aux filles qu’aux garçons, un stéréotype documenté depuis les années 1990.
Claude Steele (1995) a documenté ce mécanisme sous le nom de menace du stéréotype : appartenir à un groupe auquel on associe une faiblesse suffit à dégrader les performances, même chez quelqu’un qui ne croit pas au stéréotype.
La pression de le confirmer mobilise des ressources cognitives qui manquent alors pour résoudre le problème. Steele avait d’abord observé cet effet chez des étudiants afro-américains. Spencer, Steele et Quinn (1999) l’ont étendu aux filles et aux mathématiques, avec le même résultat : rendre le genre saillant avant un test suffit à faire chuter les performances.
Une étude de Tomasetto et al. (2011), publiée dans Developmental Psychology, l’a mesuré dès 5 à 7 ans : les performances en mathématiques de fillettes en maternelle et CP baissent dès qu’on rend leur genre saillant avant le test. Fait marquant : ce sont les mères qui adhèrent au stéréotype « les filles sont moins bonnes en maths » qui transmettent le plus cette vulnérabilité à leurs filles. Le biais part de plus loin que l’école, il est déjà là avant la première heure de cours.
Les enseignants amplifient ensuite le phénomène, souvent sans le savoir. Cimpian, Lubienski, Timmer, Makowski et Miller (2016) l’ont montré : à niveau réel identique, les enseignants tendent à surestimer les compétences en maths des garçons et à sous-estimer celles des filles. Pas par mauvaise volonté. Par biais implicite, construit par des années d’exposition au même stéréotype qu’ils contribuent maintenant à reproduire.
Les deux mécanismes se recoupent, ce n’est pas un hasard : Good, Aronson et Inzlicht (2003) ont montré qu’une intervention centrée sur le growth mindset réduit l’effet de la menace du stéréotype chez les filles en maths, en désamorçant en partie la pression que le stéréotype fait peser sur leurs performances.
Une école de masse qui ne peut pas individualiser
Le fixed mindset ne tombe pas du ciel. Il se construit dans un environnement précis : une classe de 30 élèves, un enseignant seul face à eux, des programmes à tenir, des notes à donner.
Dans ces conditions, l’étiquetage est presque inévitable. On oriente vite, on simplifie. « Elle est plutôt littéraire. » « Lui c’est un scientifique. » Ces raccourcis viennent moins d’un jugement malveillant que d’un système conçu pour gérer des groupes, pas des individus.
Pour l’élève qui reçoit l’étiquette, la croyance s’installe souvent avant même d’être consciente. Et une fois installée, elle est auto-réalisatrice : on évite ce dans quoi on pense ne pas être bon. Ça empêche de progresser, et ça finit par confirmer qu’on n’était effectivement « pas fait pour ça ».
C’est peut-être là l’ironie la plus profonde du système scolaire : une institution dont la mission est de révéler les potentiels produit, structurellement, des croyances qui les plafonnent.
Growth mindset et IA : un tuteur pour faire sauter le verrou
Un tuteur personnel, patient, disponible à 3h du matin, capable d’expliquer la même notion dix fois sans s’agacer ni comparer à la voisine de table : c’est exactement ce que les familles aisées ont toujours pu offrir à leurs enfants. Et c’est ce que l’IA générative peut rendre aujourd’hui accessible à (presque) tous.
Pour une élève convaincue d’être « nulle en maths » par des années de signaux négatifs, mauvaises notes, regards, l’IA offre quelque chose de rare : un espace sans témoin pour recommencer. Poser la question qu’on n’ose pas poser en classe, se tromper sans que ça compte, recommencer sans que personne ne lève les yeux.
Ce cadre peut débloquer ce que l’environnement scolaire classique n’arrive pas à débloquer, faute de temps et de moyens.
Mais l’effet dépend entièrement de la façon dont l’IA est utilisée. Une élève qui demande à l’IA de résoudre l’exercice à sa place ne développe rien, elle décharge, exactement comme on le ferait avec n’importe quelle béquille.
En revanche, une élève qui utilise l’IA comme un tuteur socratique, qui la questionne et la guide sans jamais lui donner la réponse toute faite, active précisément les mécanismes que le fixed mindset inhibe depuis des années.
Se demander si l’IA est bonne ou mauvaise pour l’apprentissage n’a pas grand sens en soi. Ce qui compte, c’est si on apprend aux élèves à s’en servir autrement que pour obtenir des réponses toutes faites. Et ça, aucun outil ne peut le décider à la place de l’enseignant.
Reste un angle mort : si l’IA reproduit dans ses réponses les biais qu’elle a absorbés à l’entraînement (orienter les filles vers des métiers du soin, les garçons vers l’ingénierie), elle ne devient pas un levier d’émancipation. Elle devient un stéréotype automatisé, délivré à l’échelle industrielle. L’outil est puissant. La vigilance doit l’être aussi.
Illustration réalisée via Gemini
biais des enseignants, Carol Dweck, fixed mindset, growth mindset, IA et éducation, menace du stéréotype, stéréotypes de genre
Le Mag' 