# worldbank-chalkboards-chatbots-genai-education-nigeria-2025-12

## Veille

Banque Mondiale : IA générative et éducation au Nigeria - RCT avec résultats transformateurs

## Titre Article

From Chalkboards to Chatbots: Evaluating the Impact of Generative AI on Learning Outcomes in Nigeria

## Date

2025-12

## URL

https://documents1.worldbank.org/curated/en/099548105192529324/txt/IDU-c09f40d8-9ff8-42dc-b315-591157499be7.txt

## Keywords

Banque Mondiale, IA générative, éducation, Nigeria, RCT, Microsoft Copilot, GPT-4, apprentissage anglais, tutorat IA, cost-effectiveness, learning crisis, Bloom two-sigma, Afrique subsaharienne, EYOS, LAYS, écoles secondaires, Benin City

## Authors

Martín De Simone, Federico Tiberti, Maria Barron Rodriguez, Federico Manolio, Wuraola Mosuro, Eliot Jolomi Dikoru (World Bank Education Global Department)

## Ton

**Profil** : Étude académique rigoureuse de politique publique, registre scientifique et technique, niveau méthodologique élevé

**Description** : Document de recherche de la Banque Mondiale suivant les standards académiques les plus stricts (RCT, analyses de robustesse multiples, Lee bounds, ITT/LATE). Le ton est factuel et mesuré, présentant résultats positifs tout en reconnaissant honnêtement les limitations. La structure suit le format classique des working papers économiques. L'argumentation s'appuie sur des métriques établies (EYOS, LAYS) permettant la comparaison internationale. Public cible : décideurs de politiques éducatives, chercheurs en économie du développement, organisations internationales, ministères de l'éducation.

## Pense-betes

- **Type d'étude** : Essai contrôlé randomisé (RCT) - première étude rigoureuse de l'IA générative en éducation en Afrique subsaharienne
- **Intervention** : Programme de tutorat après l'école utilisant Microsoft Copilot (GPT-4) pour l'apprentissage de l'anglais
- **Échantillon** : 657 traitement / 671 contrôle → 422/337 final, 9 écoles secondaires publiques, Benin City, Nigeria
- **Durée** : 6 semaines, 12 sessions de 90 min, 2x/semaine
- **Configuration** : Élèves en binômes partageant des ordinateurs, ~30 élèves/session
- **Résultats principaux** :
  - Score global : +0.31 écart-type
  - Anglais : +0.23 écart-type
  - Connaissances IA : +0.31 écart-type
  - Compétences digitales : +0.14 écart-type
- **Équivalence** : 0.238 SD en anglais = **1.5 années de scolarité nigériane typique** ; gains globaux = 2 années
- **Effets hétérogènes** :
  - **Filles** : +0.42 SD d'effet supplémentaire (compense les écarts de base)
  - Élèves avec meilleurs scores initiaux : gains plus importants
  - SES élevé : effets plus grands, mais SES bas aussi significatifs
- **Dose-réponse linéaire** : +0.031-0.033 SD par jour supplémentaire de présence
- **Projections année complète** (21 semaines) :
  - À 72% présence : 1.55 SD
  - À 50% présence : 1.2 SD
  - À 100% présence : 2.23 SD
- **Coûts** :
  - Par élève (6 semaines) : $48
  - Coût marginal : $9
  - Annualisé : $124/élève
- **Cost-effectiveness exceptionnelle** :
  - **3.2 EYOS par $100** investis (surpasse la plupart des interventions comparables)
  - 0.6-1.9 LAYS par $100
  - Retours salariaux : $7,767-$12,517 de gains sur la vie (valeur actualisée)
  - **Ratio bénéfice-coût : 161:1 à 260:1**
- **Approche pédagogique** :
  - Formation enseignants 3 jours
  - Sensibilisation aux hallucinations et biais
  - Prompts basés sur sciences de l'apprentissage (retrieval practice, interrogation élaborative)
  - Supervision pour engagement on-task
  - Alignement curriculum national
- **Avantages scalabilité** :
  - Logiciel gratuit (pas d'abonnement)
  - Pas de banques de questions propriétaires nécessaires
  - Succès avec personnel non-spécialisé
  - Enseignant comme "force multiplier"
- **Contexte global** : 70% des enfants de 10 ans dans les pays à revenu faible/moyen ne peuvent pas lire un texte adapté à leur niveau
- **Problème de Bloom** : Comment rendre les bénéfices du tutorat personnalisé accessibles à l'échelle, de manière cost-effective
- **Limitations reconnues** :
  - Randomisation au niveau élève (risque spillover)
  - Focus urbain (généralisabilité rurale incertaine)
  - Contamination groupe contrôle premières semaines
  - Pas de comparaison avec tutorat humain
  - Défis infrastructure (électricité, internet)

## RésuméDe400mots

La Banque Mondiale publie la première étude rigoureuse (RCT) évaluant l'impact de l'IA générative sur l'éducation en Afrique subsaharienne. L'intervention : un programme de tutorat après l'école de six semaines utilisant Microsoft Copilot (GPT-4) pour l'apprentissage de l'anglais auprès d'élèves de première année du secondaire à Benin City, Nigeria.

**Résultats transformateurs** : L'étude démontre des améliorations substantielles malgré des contraintes d'infrastructure significatives. Le score global progresse de 0.31 écart-type, l'anglais de 0.23 écart-type (équivalent à 1.5 années de scolarité nigériane typique), les connaissances IA de 0.31 écart-type. Les gains globaux équivalent à deux années de scolarité. Une relation dose-réponse linéaire montre que chaque jour supplémentaire de présence génère +0.031-0.033 écart-type d'amélioration.

**Effets différenciés remarquables** : Les filles bénéficient d'un effet supplémentaire de 0.42 écart-type, compensant les écarts de performance initiaux. Les élèves avec de meilleurs scores de base et ceux de milieux socio-économiques plus favorisés montrent des gains plus importants, mais les élèves défavorisés obtiennent aussi des améliorations statistiquement significatives.

**Cost-effectiveness exceptionnelle** : À $48 par élève pour six semaines ($124 annualisé), l'intervention génère 3.2 années de scolarité équivalentes (EYOS) par $100 investis, surpassant la plupart des interventions éducatives comparables dans le monde. Le ratio bénéfice-coût atteint 161:1 à 260:1. Les retours salariaux projetés sur la vie atteignent $7,767-$12,517 par participant.

**Approche pédagogique structurée** : Le succès repose sur une formation enseignants de trois jours, des prompts conçus selon les principes des sciences de l'apprentissage (retrieval practice, interrogation élaborative), une sensibilisation aux hallucinations et biais de l'IA, et une supervision active de l'engagement des élèves. L'enseignant agit comme "force multiplier" plutôt que d'être remplacé.

**Scalabilité prometteuse** : L'utilisation de logiciels gratuits (pas d'abonnement), l'absence de besoin de banques de questions propriétaires, et le succès avec du personnel non-spécialisé suggèrent un fort potentiel de réplication. L'étude répond au "problème des deux sigmas" de Bloom : comment rendre les bénéfices du tutorat personnalisé accessibles à l'échelle de populations entières de manière économiquement viable.

**Contexte critique** : L'étude s'inscrit dans la crise mondiale de l'apprentissage où 70% des enfants de dix ans dans les pays à revenu faible et moyen ne peuvent pas lire un texte adapté à leur niveau. Ces résultats positionnent le tutorat par IA générative comme une approche prometteuse pour les contextes à ressources limitées.

## GrapheDeConnaissance

- World Bank Education Global Department —publie→ Policy Research Working Paper 11125 (DOCUMENT, 0.99)
- Martín De Simone —publie→ Policy Research Working Paper 11125 (DOCUMENT, 0.99)
- Microsoft Copilot —utilise→ GPT-4 (TECHNOLOGIE, 0.99)
- Microsoft Copilot —améliore→ apprentissage de l'anglais (CONCEPT, 0.97)
- Programme de tutorat IA —mesure→ 0.31 SD d'amélioration globale (MESURE, 0.98)
- Programme de tutorat IA —mesure→ +0.42 SD d'effet supplémentaire pour les élèves filles (MESURE, 0.95)
- Programme de tutorat IA —mesure→ coût de $48 par élève sur 6 semaines (MESURE, 0.98)
- Programme de tutorat IA —mesure→ 3.2 EYOS par $100 investis (MESURE, 0.97)
- Programme de tutorat IA —résout→ Bloom two-sigma problem (CONCEPT, 0.93)
- Microsoft Copilot —est_basé_sur→ retrieval practice (METHODOLOGIE, 0.9)
- Programme de tutorat IA —observé_dans→ Benin City (9 écoles secondaires publiques) (LIEU, 0.99)
- crise mondiale de l'apprentissage —mesure→ 70% des enfants de 10 ans dans les PRFM ne lisent pas au niveau requis (MESURE, 0.95)
- enseignants —est_instance_de→ force multiplier (CONCEPT, 0.92)

---
Canonical: https://www.thekb.eu/en/fiches/worldbank-chalkboards-chatbots-genai-education-nigeria-2025-12/