« À la fin de cette formation, l'apprenant sera capable de créer un plan de communication. » Quand une IA générative peut produire ce plan en 11 secondes, que reste-t-il de l'objectif pédagogique ? La taxonomie de Bloom révisée par Anderson et Krathwohl en 2001 plaçait « Créer » au sommet de la hiérarchie cognitive. En 2026, ce sommet n'est plus une preuve d'apprentissage — c'est devenu une commodité algorithmique.
Ce qu'Anderson et Krathwohl ont vraiment changé en 2001
La taxonomie originale de Benjamin Bloom publiée en 1956 reposait sur six catégories cognitives statiques : connaissance, compréhension, application, analyse, synthèse, évaluation. En 2001, Lorin W. Anderson (ancien étudiant de Bloom) et David R. Krathwohl ont publié une révision majeure dans A Taxonomy for Learning, Teaching, and Assessing.
Trois transformations structurelles : (1) les noms deviennent des verbes d'action — « Connaissance » devient « Mémoriser », « Compréhension » devient « Comprendre », « Synthèse » devient « Créer » et accède au sommet de la hiérarchie ; (2) ajout d'une dimension de la connaissance distincte avec quatre types — factuelle, conceptuelle, procédurale, et métacognitive ; (3) reconnaissance explicite que la hiérarchie n'est plus strictement linéaire — on peut « Évaluer » sans avoir « Appliqué » formellement.
Pourquoi la révision 2001 craque sous l'IA générative
Quand un apprenant demande à ChatGPT, Claude ou Mistral de « créer un plan de communication pour le lancement d'un produit », l'IA répond en 8 à 15 secondes avec un plan structuré, complet, plausible — qui passerait sans difficulté l'évaluation classique d'un objectif de niveau « Créer » selon Bloom révisé.
Le piège est triple : (1) l'apprenant n'a rien créé — il a formulé un prompt ; (2) le résultat semble compétent — donc l'évaluation traditionnelle valide l'objectif ; (3) la métacognition (savoir comment on apprend) reste invisible — c'est pourtant la quatrième dimension de la révision Anderson–Krathwohl. La conséquence opérationnelle : les organismes de formation qui n'ont pas adapté leur architecture d'objectifs pédagogiques depuis 2022 délivrent en réalité des certifications de compétences sur des productions qu'aucun apprenant n'a authentifiables.
La recherche 2024-2025 propose trois pistes de révision
Le travail de Chahna Gonsalves (King's College London, publié en 2024 dans Marketing Education Review, DOI 10.1177/02734753241305980) a relancé le débat. Sur 178 apprenants évalués sur tâches Bloom-typées avec et sans accès à l'IA générative, les résultats sont contre-intuitifs : l'IA améliore davantage les compétences de bas niveau (Mémoriser, Comprendre) que celles de haut niveau (Évaluer, Créer).
Explication probable : aux niveaux supérieurs, l'apprenant doit déjà avoir construit ses propres schémas mentaux pour utiliser efficacement l'IA. Aux niveaux bas, l'IA agit comme un soutien direct. Conséquence pédagogique radicale : la hiérarchie traditionnelle s'inverse partiellement en contexte IA-augmenté.
Les trois adaptations que tout référentiel doit intégrer en 2026
Trois adaptations structurelles deviennent indispensables pour conserver l'utilité opérationnelle de la taxonomie :
- Ajouter une dimension « avec IA / sans IA » à chaque objectif. Un objectif « Créer un plan de communication » n'a plus le même sens selon que l'apprenant le rédige seul ou orchestre une IA. Les deux compétences existent — elles ne sont pas identiques. Les référentiels Qualiopi 2026 devraient distinguer explicitement « Créer en autonomie » et « Créer en mode augmenté ».
- Élever la métacognition au rang de quatrième dimension critique. Anderson et Krathwohl l'avaient introduite en 2001 comme un type de connaissance. En 2026, elle devient un objectif transversal de toute formation : savoir quand utiliser l'IA, comment évaluer sa réponse, et comment construire ses propres schémas en parallèle. C'est ce que l'OCDE appelle dans Future of Education and Skills 2030 les « compétences transformatives ».
- Réintroduire des évaluations en présentiel non-IA sur les objectifs de haut niveau certifiants. Pas par technophobie — par exigence de preuve. Un certificat délivré sur une production IA-augmentée doit le préciser. Et au moins une évaluation par module doit être réalisée sans accès aux outils génératifs, pour authentifier le schéma mental acquis.
Marzano et la nouvelle taxonomie : un complément utile
Robert J. Marzano et John S. Kendall ont publié en 2007 The New Taxonomy of Educational Objectives (2e édition, Corwin Press), qui ajoute deux dimensions absentes de Bloom : le système de soi (motivation, engagement) et le système métacognitif (planification, surveillance, ajustement). Cette taxonomie a été largement ignorée par les référentiels français — à tort.
En contexte IA générative, les dimensions Marzano deviennent centrales : l'engagement de l'apprenant face à un outil qui produit plus vite que lui (système de soi), et sa capacité à planifier l'usage de l'IA et à corriger ses propres erreurs (système métacognitif). Les programmes pédagogiques 2026 qui ignorent ces deux dimensions produisent des certificats sans compétences réelles attestables.
L'OCDE et le cadre Education 2030
Le projet Future of Education and Skills 2030 de l'OCDE, lancé en 2018 et actualisé en 2024, propose un cadre pédagogique compatible avec l'IA générative : knowledge, skills, attitudes, values, avec trois compétences transformatives — créer de nouvelles valeurs, concilier tensions et dilemmes, prendre des responsabilités. Aucune de ces compétences n'est délégable à une IA. C'est précisément ce qui en fait des cibles pédagogiques pertinentes pour 2026.
Pour un organisme de formation français, intégrer ce cadre OCDE n'est pas optionnel : il est désormais référencé par France compétences dans les évolutions du Cadre National des Certifications Professionnelles (CNCP), et par les OPCO dans leurs critères d'éligibilité aux financements Pro-A et FNE-Formation.
Bloom révisé reste un cadre puissant — à condition de le mettre à jour. La taxonomie 2026 n'est plus une pyramide à six étages. C'est un cadre multidimensionnel qui distingue compétences en autonomie, compétences augmentées, et compétences métacognitives. Les organismes de formation qui font ce travail maintenant délivreront des certifications qui résistent à l'épreuve d'une décennie d'IA générative. Les autres certifient des productions algorithmiques.
Vous êtes ingénieur pédagogique, responsable de référentiel ou directeur d'organisme de formation ? Découvrez comment ESSNAuthor structure nativement vos objectifs selon Bloom révisé, Marzano et le cadre OCDE 2030 — avec distinction explicite entre compétences IA-augmentées et compétences en autonomie.