Pourquoi les mathématiques sont difficiles — et ce qui aide vraiment.

La recherche en éducation est plus difficile qu'il n'y paraît. Les tailles d'effet sont petites, la réplication est inégale, on ne peut pas mener une étude en double aveugle dans une salle de classe, et les mêmes données soutiennent souvent plusieurs récits différents selon les a priori avec lesquels on les aborde. Les « Math Wars » sont en grande partie une longue conversation entre positions philosophiques — traditionalistes qui mettent l'accent sur la fluidité procédurale et l'enseignement direct, et réformistes qui privilégient la compréhension conceptuelle, la résolution de problèmes et l'équité. La plupart des recherches concluent que les deux comptent, mais les défenseurs de chaque camp lisent les mêmes études comme confirmant leurs convictions.

Prenez Jo Boaler — professeure à Stanford, fondatrice de YouCubed, voix prééminente sur le growth mindset et l'une des plus fortes en faveur du dégroupement et contre les tests chronométrés. Ses revendications empiriques sont contestées. L'étude « Railside » qui sous-tend une grande partie de son discours a fait l'objet d'une critique méthodologique soutenue par James Milgram et Wayne Bishop, qui ont soutenu que les données, correctement lues, ne soutiennent pas ses conclusions. Stanford a passé en revue le différend et l'a qualifié de « débat académique » plutôt que de manquement à l'éthique de la recherche, mais les questions empiriques de fond restent réellement ouvertes.

Notre position : être prudent·e·s face aux revendications empiriques les plus fortes de Boaler, mais utiliser ses tâches. Les problèmes riches, à plancher bas et plafond haut, disponibles sur YouCubed, sont d'excellents supports de classe — accessibles à un·e élève en difficulté, suffisamment profonds pour défier les plus fort·e·s. De bonnes activités et des revendications empiriques contestées peuvent coexister ; nous prenons ce qui fonctionne en classe et restons sceptiques face aux slogans.

C'est ainsi que nous lisons la plupart des recherches : provisoirement, en faisant attention à qui les a financées, qui les a répliquées, et si la taille d'effet justifie la revendication politique qu'on en tire. Nous suivons les tailles d'effet, pas les slogans, et nous nous adaptons quand les preuves évoluent.

Les techniques issues des sciences cognitives auxquelles les enseignant·e·s recourent le plus souvent — récupération en mémoire (s'auto-tester plutôt que relire), pratique espacée (revoir les sujets sur plusieurs semaines plutôt qu'à la veille), et entrelacement (mélanger les sujets plutôt que les bloquer) — relèvent toutes de ce que Robert Bjork appelle les « difficultés désirables ». Elles rendent l'expérience immédiate de l'entraînement plus difficile, mais elles produisent une meilleure rétention des semaines ou mois plus tard. La nuance : la théorie de la charge cognitive (Sweller) rappelle que la mémoire de travail est limitée — empiler trop de difficulté à la fois fait s'effondrer l'apprentissage. Le travail de l'enseignant·e est de trouver la zone optimale : effort productif, pas surcharge.

L'anxiété est le levier qui ferme cette zone optimale le plus vite. Un·e élève anxieux·se mobilise déjà sa mémoire de travail à s'inquiéter avant que la moindre tâche mathématique n'arrive — donc une tâche qui serait une difficulté désirable pour un·e élève serein·e devient surcharge pour un·e élève anxieux·se. C'est pourquoi nous traitons la culture de classe (où se tromper paraît ordinaire, pas catastrophique) comme une condition préalable au fonctionnement de la difficulté désirable — et non comme une priorité concurrente. Les deux vont ensemble.

Les méta-analyses récentes sont utilement nuancées. Une méta-analyse 2025 propre aux mathématiques (Educational Psychology Review) trouve que la pratique espacée donne g ≈ 0,28 par rapport à la pratique massée — petit à moyen, et constant — et que la mise en pratique par tests donne g ≈ 0,50 en laboratoire, tombant à g ≈ 0,33 en classe. Le format compte : récupération à choix multiples g ≈ 0,70, à réponse courte g ≈ 0,48. Un article 2024 sur les STIM intitulé de façon provocatrice « le verre à moitié plein ou à moitié vide ? » défend l'idée que les tailles d'effet en classe réelle sont régulièrement plus petites que ne le suggèrent les chiffres tirés du laboratoire. L'essai 2025 de Carl Hendrick « Making Retrieval Practice Actually Work » détaille les sept conditions de mise en œuvre qui distinguent une pratique de récupération efficace d'un déluge de quiz inutile — maintenir des enjeux faibles pour gérer l'anxiété figure haut sur sa liste, ce qui est précisément pourquoi nous traitons gestion de l'anxiété et difficulté désirable comme indissociables et non comme des priorités concurrentes. Nous utilisons ces techniques parce que les preuves les soutiennent — mais nous n'attendons pas d'elles un bond de 2σ à la Bloom en un seul trimestre.

Une mise en garde sur la théorie de la charge cognitive elle-même : la mesure est subjective (échelles d'auto-évaluation à la fin d'une tâche), et la séparation classique entre charge intrinsèque, extrinsèque et germane est elle-même contestée — certain·e·s chercheurs et chercheuses suggèrent qu'on ne peut pas additionner proprement ces composantes, et la théorie a été reformulée plusieurs fois pour répondre à ces critiques. Nous l'utilisons comme cadre pratique pour penser la conception des tâches, pas comme une physique exacte de la mémoire de travail.