Alors que le ministère promet une IA souveraine pour les enseignants d’ici 2026, la question des coûts de génération risque de créer une éducation à deux vitesses. Décryptage d’un enjeu méconnu mais crucial.
Le cadre d’usage de l’IA en éducation publié en juin 2025 marque une étape importante : l’intelligence artificielle entre officiellement dans nos classes. Avec 20 millions d’euros promis par France 2030 et un assistant IA pour les enseignants annoncé pour la rentrée 2026, on pourrait croire que tout est sur les rails. Pourtant, un sujet reste dangereusement absent du débat: le coût réel de fonctionnement de ces outils.
L’IA n’est pas gratuite : la vérité derrière les interfaces
Quand vous utilisez ChatGPT gratuitement ou testez Gemini, vous bénéficiez de modèles « bridés » ou financés par vos données. Les versions professionnelles, celles qui produisent des résultats vraiment exploitables en classe, ont un coût. Et ce coût est loin d’être négligeable.
Prenons un exemple concret : générer une seule image avec Nano Banana Pro (le modèle de Google basé sur Gemini 3 Pro Image) coûte entre 0,12 € et 0,15 € en résolution standard, et jusqu’à 0,24 € en 4K. Imaginez un professeur de SVT qui souhaite illustrer un cours sur la cellule avec 20 schémas personnalisés : la facture dépasse déjà les 3 € pour une seule préparation de cours.
Tableau comparatif des coûts de génération d’images IA (janvier 2026)
| Outil | Coût par image | Qualité | Observation |
|---|---|---|---|
| Nano Banana Pro (Google) | 0,12 – 0,24 € | Excellente, rendu texte précis | Idéal pour supports pédagogiques |
| DALL-E 3 (OpenAI) | 0,04 – 0,12 € | Très bonne | Standard jusqu’à 0,04 €, HD jusqu’à 0,12 € |
| GPT Image 1 | 0,01 – 0,17 € | Variable selon qualité | Basse: 0,01 €, Haute: 0,17 € |
| Midjourney | ~0,05 € (abonnement) | Artistique supérieure | 10$/mois pour ~200 images |
| Stable Diffusion (auto-hébergé) | ~0,01 € | Bonne | Nécessite infrastructure technique |
Pour le texte et l’assistance pédagogique, les coûts s’accumulent également. Un modèle performant comme GPT-4 ou Claude coûte environ 0,01 à 0,03 € par requête complexe. Un enseignant actif peut facilement générer 50 à 100 requêtes par semaine pour préparer ses cours, différencier ses exercices et corriger des travaux.
Résultat : entre 20 € et 50 € par mois et par enseignant pour un usage réellement pédagogique de l’IA.
Le risque d’une éducation IA à deux vitesses
Face à ces coûts, deux scénarios se profilent, et aucun n’est satisfaisant :
Scénario 1 : L’État bride l’outil pour maîtriser les coûts
Pour respecter son budget, l’Éducation nationale pourrait opter pour des modèles moins performants ou limiter drastiquement le nombre de requêtes par enseignant. C’est déjà ce que font la plupart des outils « gratuits » : quelques générations basse résolution par jour, temps d’attente rallongés, fonctionnalités premium inaccessibles.
Le rapport de l’IGÉSR de juin 2025 pointe d’ailleurs un manque de coordination dans le déploiement des outils numériques. Sans vision claire sur le financement récurrent de l’IA, on risque de reproduire les erreurs du passé : des équipements sous-utilisés faute de moyens pour les faire fonctionner correctement.
Scénario 2 : Les établissements ou les enseignants paient la différence
Dans les établissements les mieux dotés ou les plus connectés, des solutions alternatives émergent déjà : licences Midjourney mutualisées, abonnements ChatGPT Plus partagés, API configurées par des enseignants technophiles. Pendant ce temps, d’autres collègues doivent se contenter des versions gratuites limitées.
Cette situation crée une fracture numérique nouvelle qui ne dépend plus seulement de l’équipement matériel, mais de la capacité à financer l’IA au quotidien.
Ce que le cadre d’usage ne dit pas
Le cadre d’usage de l’IA en éducation publié par le ministère recommande de « privilégier les solutions libres » et d’adopter un « usage frugal de l’IA ». Ces préconisations sont louables sur le plan environnemental (une requête IA consomme 10 fois plus d’énergie qu’une recherche classique), mais elles éludent la question centrale : avec quels moyens ?
Le document reconnaît que les enseignants ont besoin d’outils pour :
- Préparer leurs cours et adapter les contenus
- Créer des exercices différenciés
- Fournir des retours personnalisés aux élèves
- Automatiser certaines tâches administratives
Chacune de ces fonctions a un coût de fonctionnement. Les 20 millions d’euros annoncés couvriront le développement initial de l’IA souveraine, mais qu’en sera-t-il des coûts récurrents d’utilisation par plus d’un million de personnels ?
Des pistes pour une IA éducative accessible
Pour éviter l’écueil de l’IA au rabais, plusieurs approches méritent d’être explorées :
1. Le partage entre enseignants : générer une fois, utiliser partout
C’est peut-être la solution la plus évidente, et pourtant la moins exploitée : pourquoi chaque enseignant de 6e devrait-il générer individuellement les mêmes illustrations sur la photosynthèse ?
Le principe est simple : un enseignant génère un contenu IA de qualité (image, exercice différencié, fiche de révision), le partage avec ses collègues du même niveau, et l’ensemble de la communauté en bénéficie. Le coût de génération est divisé par le nombre d’utilisateurs, et l’empreinte carbone avec.
Exemple concret : Une image pédagogique sur le cycle de l’eau générée avec Nano Banana Pro coûte 0,15 €. Si elle est partagée entre 100 enseignants de CM1/CM2, le coût par utilisateur tombe à 0,0015 €. Multipliez par les milliers de ressources nécessaires sur une année scolaire, et l’économie devient massive.
Cette logique de mutualisation par classe d’âge répond à un double enjeu :
- Économique : amortir les coûts de génération sur une large base d’utilisateurs
- Écologique : éviter de solliciter les serveurs IA pour des contenus quasi-identiques
Mon Prof Augmenté : le partage pensé dès la conception
C’est précisément cette philosophie qui a guidé le développement de l’application Mon Prof Augmenté dès sa version 1.0. Plutôt que de laisser chaque enseignant générer ses propres contenus dans son coin, la plateforme intègre nativement un système de partage par niveau scolaire et par discipline.
Quand un professeur de mathématiques de 4e crée une série d’exercices sur les fractions avec l’IA, il peut la publier dans la bibliothèque commune. Ses collègues de 4e y accèdent instantanément, sans nouvelle génération, sans nouveau coût, sans nouvel impact environnemental.
Cette approche collaborative transforme chaque enseignant en contributeur d’une ressource collective. Plus la communauté grandit, plus le coût unitaire par ressource diminue, créant un cercle vertueux où qualité et accessibilité vont de pair.
Le modèle du partage n’est pas nouveau dans l’Éducation nationale — pensez aux manuels, aux banques d’exercices académiques, aux ressources Éduscol. Mais appliqué à l’IA générative, il prend une dimension nouvelle : chaque génération partagée est une génération économisée.
2. Mutualiser les achats à l’échelle nationale
Plutôt que de laisser chaque académie négocier ses propres licences, un marché public national permettrait d’obtenir des tarifs compétitifs. À titre d’exemple, certains fournisseurs proposent des réductions de 30 à 70 % pour les volumes importants.
3. Investir dans l’infrastructure souveraine
Les modèles open source comme Mistral (français) ou LLaMA permettent d’héberger l’IA sur des serveurs nationaux. Le coût par requête chute alors drastiquement, même si l’investissement initial est conséquent. C’est d’ailleurs la direction suggérée par le projet d’IA souveraine annoncé pour 2026.
4. Former les enseignants à l’optimisation
Un prompt bien formulé réduit le nombre de requêtes nécessaires. Des techniques comme le « prompt chaining » ou l’utilisation de templates peuvent diviser par 5 le coût d’une tâche. Encore faut-il que cette dimension soit intégrée aux formations prévues.
5. Définir un « panier de services IA » minimum
Comme pour les manuels scolaires, l’État pourrait garantir un accès de base à des outils IA performants pour tous les enseignants, quitte à laisser les établissements enrichir ce socle selon leurs moyens.
Ce qui est en jeu
L’inspection générale note que moins de 20 % des enseignants utilisent régulièrement l’IA, contre 86 % des élèves. Cet écart ne se résoudra pas avec des outils au rabais qui découragent les bonnes volontés. Pour que l’IA tienne ses promesses pédagogiques, il faut accepter qu’elle a un coût de fonctionnement, comme le chauffage, l’électricité ou les photocopies.
L’enjeu dépasse la simple question budgétaire. C’est la cohérence même du projet éducatif qui est en jeu : peut-on demander aux élèves de développer un esprit critique face à l’IA si leurs enseignants n’ont accès qu’à des versions dégradées de ces outils ?
Pour aller plus loin :
- Cadre d’usage de l’IA en éducation – Ministère de l’Éducation nationale
- Guide CNIL pour les enseignants
- Observatoire national des pratiques pédagogiques avec l’IA