Chatbots d'admission : ce que dit la recherche au Québec

Ce que la recherche établit, en quelques lignes

La recherche publiée montre qu'un assistant conversationnel par texto peut aider des candidats admis à finir leurs démarches avant la rentrée, mais elle ne montre pas qu'un chatbot installé sur le site d'un cégep ou d'une université fait augmenter les inscriptions. Les essais randomisés les plus solides viennent des États-Unis, portent sur des messages envoyés par l'établissement aux admis, et utilisent une IA non générative.

Précision de méthode : aucun outil payant de volume de recherche n'était disponible. Le sujet a été cadré avec des recherches publiques, et chaque étude citée ci-dessous a été retrouvée à sa source. Aucun chiffre ne vient de Skolbot ni d'un client.

Georgia State : le seul essai de grande taille sur un chatbot d'admission

L'étude de Page et Gehlbach est la référence du domaine. Georgia State a déployé en 2016 « Pounce », un assistant par texto construit avec un fournisseur, pour accompagner les admis pendant l'été : demande d'aide financière, vaccins, relevés de notes, choix de cours.

Les admis ont été répartis au hasard entre un groupe qui recevait les messages et un groupe témoin. Chez ceux qui avaient confirmé leur engagement, l'inscription à l'heure progresse de 3,3 points. Les auteurs précisent que cet effet est du même ordre que celui d'interventions plus lourdes déjà testées, avec moins de charge pour le personnel.

Deux limites à garder en tête. L'effet porte sur la finalisation des démarches après l'admission, pas sur la décision de présenter une demande ni sur le choix de l'établissement. Et l'essai date de 2016, bien avant les assistants génératifs actuels : ses résultats ne se transposent pas tels quels à un assistant génératif ouvert.

Summer melt : les textos ciblés fonctionnent surtout là où l'aide manque

Avant les chatbots, Castleman et Page avaient testé des rappels personnalisés par texto auprès de finissants à faibles revenus. Les résultats varient selon les sites : positifs dans trois des quatre districts, nuls à Boston, où les élèves disposaient déjà de beaucoup d'accompagnement scolaire et communautaire.

Ce point compte pour un établissement : l'effet d'un message automatique dépend de ce que le candidat obtenait déjà sans lui. Là où un conseiller répond vite, l'apport marginal est faible.

Le ciblage change le résultat

L'article de Nurshatayeva, Page, White et Gehlbach reprend le design de Georgia State dans une autre université (4 442 étudiants). L'effet global sur l'acceptation d'un prêt est d'environ 4 points. Il grimpe à environ 8 points pour les étudiants de première génération, avec environ 3 points sur le choix de cours et l'inscription effective.

Les auteurs en tirent une consigne pratique : une relance proactive rapporte le plus auprès des candidats qui ont le moins de soutien familial ou scolaire. Ils soulignent aussi que, dans le volet collège communautaire de leur projet, l'expérience n'a pas pu être menée correctement faute de numéros de téléphone exploitables. La qualité des données de contact conditionne l'étude comme le déploiement.

Hors admission : un chatbot dans les cours donne des résultats comparables

Meyer, Page et leurs coauteurs ont testé un chatbot non génératif pour des cours de premier cycle, en essais randomisés préenregistrés. Les messages améliorent les notes finales et l'usage des services d'aide. Les effets sont proches d'un groupe démographique à l'autre, sauf pour les étudiantes d'un cours de microéconomie, dont les notes progressent d'environ sept points de pourcentage.

Cette étude concerne des étudiants déjà inscrits. Elle montre que la méthode « message court, tâche précise, au bon moment » se retrouve à plusieurs étapes du parcours, mais elle ne mesure rien sur la conversion d'un futur étudiant.

Le contre-exemple : tous les nudges ne marchent pas

Oreopoulos et Petronijevic ont suivi près de 25 000 étudiants sur trois campus. Des messages et un coaching en ligne ont amélioré un peu le bien-être et le temps d'étude, mais aucune intervention n'a eu d'effet significatif sur les résultats scolaires.

Ce résultat nuance les précédents : les messages fonctionnent mieux quand ils portent sur une tâche administrative précise et datée, par exemple déposer un dossier, que sur un changement de comportement diffus. C'est aussi la conclusion de Page et ses coauteurs dans leur analyse des conditions d'efficacité du nudging.

Ce que la recherche ne dit pas pour le Québec

Elle ne dit rien d'un chatbot génératif sur le site d'un cégep ou d'une université pour répondre aux questions des candidats. Nous n'avons trouvé aucun essai randomisé publié, au Québec ou ailleurs, qui mesure son effet sur les demandes d'admission.

Le contexte diffère aussi des États-Unis. Au Québec, la demande d'admission passe par des services centralisés : le Bureau de coopération interuniversitaire pour une grande partie des programmes universitaires, et le SRAM pour le cégep. La cote de rendement au collégial (cote R) pèse lourd dans la sélection. Les moments où une relance aide un candidat sont donc ceux qui suivent l'offre : confirmation, documents, frais, séances d'accueil.

Les études décrivent enfin des assistants conçus et suivis par des équipes de recherche. Les résultats d'un produit déployé sans cette rigueur ne sont pas garantis.

Ce que cela change pour un cégep ou une université au Québec

Au Québec, la Loi 25 pèse plus que les effets mesurés. Elle encadre la collecte et l'usage des renseignements personnels dans les secteurs public et privé, avec des exigences de consentement, de transparence et d'évaluation des facteurs relatifs à la vie privée. La Commission d'accès à l'information en assure l'application. Pour les mineurs, le consentement et l'information doivent rester lisibles.

Les établissements qui recrutent hors Québec peuvent aussi relever de la loi fédérale LPRPDE, selon le cas ; le Commissariat à la protection de la vie privée publie des lignes directrices. Un assistant qui répond à des questions est un outil d'information ; la décision d'admission, elle, reste humaine. Un établissement qui annonce un assistant doit dire clairement qu'il s'agit d'une machine et ne rien promettre sur l'admission.

Quatre enseignements pratiques en ressortent :

• Visez des tâches datées : pièces à fournir, dates de journées portes ouvertes, échéances de paiement, rendez-vous. C'est là que les essais trouvent des effets.
• Ciblez les candidats les moins accompagnés plutôt que d'envoyer le même message à tous.
• Soignez les coordonnées et le consentement avant tout déploiement.
• Mesurez par un groupe témoin : tirez au hasard un échantillon de candidats qui ne reçoit pas la relance, puis comparez les inscriptions.

Pour la suite, voyez notre guide des agents IA pour le recrutement étudiant, la définition d'un agent IA d'admissions, l'article sur le yield et les désistements après admission et le guide du chatbot IA pour le recrutement étudiant.