Apprendre une langue avec l'IA (2026)

La science dont l'IA a hérité : Krashen, i+1 et le filtre affectif

Avant les chatbots, il y avait une hypothèse. Au début des années 1980, le linguiste Stephen Krashen soutenait que nous n'apprenons pas vraiment une langue en mémorisant des règles. Nous l'acquérons, de la même façon tranquille que les enfants, en comprenant des messages.

Son hypothèse de l'input compréhensible, exposée en détail dans son livre de 1985 The Input Hypothesis, formule une affirmation précise : l'acquisition se produit lorsque nous recevons de grandes quantités d'input que nous pouvons comprendre pour l'essentiel, calibré juste un cran au-delà de notre capacité actuelle. Krashen appelait ce niveau « i+1 », où i est ce que vous savez maintenant et +1 le matériel légèrement plus difficile que votre cerveau s'efforce de comprendre.

Deux choses en découlent, et toutes deux comptent pour la façon dont vous devriez utiliser l'IA.

D'abord, le goulot d'étranglement n'a jamais été l'information. C'était l'information compréhensible au bon niveau. Un article de presse pour natifs n'est pas de l'i+1 pour un débutant ; c'est du bruit. Un livre pour enfants peut être de l'i moins 3 pour un apprenant intermédiaire ; c'est ennuyeux. Pendant des décennies, trouver un approvisionnement régulier de matériel exactement à votre limite supposait un tuteur, un professeur ou beaucoup de chance.

Ensuite, l'hypothèse du filtre affectif de Krashen affirme que le stress, l'anxiété et le manque de confiance bloquent physiquement l'acquisition. Un input avec lequel vous êtes trop gêné ou nerveux pour vous engager ne s'ancre pas. Quiconque s'est figé en plein milieu d'une phrase dans un cours de français au lycée connaît la sensation.

Gardez ces deux idées en tête. Une source d'input à la demande, calibrée au niveau et peu anxiogène, est exactement ce que les apprenants de langues désirent depuis quarante ans. C'est dans cette brèche que s'engouffre l'IA de 2026.

L'input ne suffit pas : Swain et l'hypothèse de l'output

La vision de Krashen, axée sur l'input, a été influente, et elle a aussi été contestée presque immédiatement. La même année où The Input Hypothesis paraissait, la linguiste appliquée Merrill Swain publiait son hypothèse de l'output (1985), fondée sur une découverte frappante issue des programmes d'immersion en français au Canada.

Ces élèves recevaient des années d'input riche et compréhensible. Leur compréhension orale et leur lecture étaient excellentes. Pourtant, leur expression orale et écrite restaient obstinément en retrait. L'argument de Swain : il faut aussi produire de la langue. Le fait de former une phrase vous force à remarquer les manques dans ce que vous savez réellement, à tester des hypothèses sur la grammaire et à passer d'une reconnaissance vague à un contrôle précis.

La synthèse honnête, celle sur laquelle la majorité du domaine s'est accordée, ressemble donc à ceci :

• L'input construit la compréhension et nourrit votre modèle inconscient de la langue. Surtout la lecture et l'écoute.
• L'output construit la production, la fluidité et la capacité à retrouver les mots sous pression. L'expression orale et écrite.
• Le feedback corrige les erreurs avant qu'elles ne se fossilisent en habitudes permanentes.

Pendant presque toute l'histoire, obtenir les trois coûtait cher. L'input, on pouvait le grappiller. L'output et le feedback exigeaient un humain patient qui vous parlerait et corrigerait doucement vos erreurs pendant des heures. Cette personne était la ressource rare. Gardez-le à l'esprit en examinant ce que l'IA change.

Ce que l'IA fait vraiment bien en 2026

Une fois le marketing écarté, la contribution de l'IA à l'apprentissage des langues se résume à quelques capacités concrètes, chacune correspondant à la science exposée ci-dessus.

De l'input compréhensible à la demande. Demandez à un modèle de raconter une actualité « pour un débutant, en utilisant seulement le présent et les 500 mots les plus courants », et vous obtenez instantanément de l'input i+1 sur un sujet qui vous tient à cœur. Le même outil peut prendre un vrai article légèrement trop difficile et le simplifier d'un cran, ce qui est la définition littérale de ramener quelque chose au niveau i+1.

Un partenaire de conversation d'une patience infinie. Le mode vocal vous permet de parler, de buter, de répéter et de demander « comment un natif dirait-il cela ? » sans qu'aucune horloge sociale humaine ne tourne. C'est là que la question du filtre affectif porte ses fruits : moins d'anxiété signifie plus d'output, et c'est l'output qui vous manquait selon Swain.

Un feedback instantané et ciblé. Collez ce que vous avez écrit et demandez des corrections accompagnées d'une explication d'une ligne pour chacune. Cela resserre la boucle output-feedback, qui passe de « la leçon de la semaine prochaine » à « maintenant ».

Traduction et explication au survol. Lire un texte étranger tout en glosant les mots inconnus sur place vous maintient à l'intérieur de l'input au lieu de rebondir vers un dictionnaire et de perdre le fil.

Une répétition espacée qui se planifie réellement toute seule. Le vocabulaire que vous récoltez doit être révisé, et la façon validée par la recherche de le faire est FSRS (le Free Spaced Repetition Scheduler), l'algorithme moderne désormais intégré à Anki. Il prédit le moment où vous êtes sur le point d'oublier une carte et vous la présente alors, ce qui est bien plus efficace que de relire.

Voici comment les pièces s'alignent sur la théorie sous-jacente :

Le fil conducteur : l'IA n'est pas une nouvelle théorie de l'apprentissage. C'est un mécanisme de diffusion d'une théorie ancienne et bien étayée.

La routine hebdomadaire : input, output, révision

Les listes de capacités n'apprennent une langue à personne. Une routine, si. Voici une routine hebdomadaire concrète qui respecte la structure input-output-révision et tient en environ une heure par jour. Adaptez les minutes à votre vie ; les proportions comptent davantage que les totaux.

Input quotidien (20-30 min). Lisez ou écoutez quelque chose légèrement au-dessus de votre niveau, sur un sujet que vous consommeriez de toute façon dans votre langue maternelle. La cuisine, le football, un résumé de série, peu importe, du moment que cela vous tient en haleine. Si c'est trop difficile, demandez à l'IA de le simplifier d'un cran plutôt que d'abandonner. Les adultes lisent la non-fiction à environ 238 mots par minute et la fiction autour de 260 dans leur langue maternelle (méta-analyse de Brysbaert 2019) ; dans une langue nouvelle, vous commencerez bien plus lentement, et c'est attendu. Le volume avant la vitesse, au début.

Output un jour sur deux (15-20 min). Parlez à un partenaire vocal IA ou écrivez quelques paragraphes. Choisissez un scénario réel : commander au restaurant, raconter votre week-end, défendre une opinion modérée. Poussez un peu au-delà de votre zone de confort pour atteindre les manques qui importaient à Swain. Demandez ensuite des corrections.

Révision quotidienne (10 min). Faites tourner votre paquet de répétition espacée. Les cartes devraient provenir de mots que vous avez réellement rencontrés dans votre input, et non d'une liste générique des 1000 mots les plus fréquents. Le vocabulaire ancré dans un contexte se retient mieux, parce que vous disposez d'un point d'accroche mémoriel. C'est purement de l'active recall plus de l'espacement, les deux techniques d'étude au meilleur rapport effort-bénéfice qui existent.

Point de contrôle humain hebdomadaire (facultatif mais précieux). Une séance avec un tuteur, un échange linguistique ou un cours. C'est là que vous rattrapez les choses que l'IA se trompe discrètement, et là que vit le vrai feedback culturel et social.

Une manière utile de voir la même semaine est de regarder quelle compétence chaque bloc entraîne :

Si vous voulez une comparaison plus poussée de la façon dont les fonctionnalités d'étude par IA correspondent aux modes d'apprentissage, consultez notre analyse des modes d'étude IA comparés.

Transformer le web et YouTube en input compréhensible

La partie la plus difficile du modèle de Krashen, en pratique, est le problème de l'approvisionnement. D'où vient un flux régulier d'input intéressant et adapté au niveau, une fois que vous avez épuisé les dialogues du manuel ? La réponse en 2026, c'est le web ouvert et la vidéo, rendus compréhensibles.

Commencez par la lecture. L'internet en langue étrangère est la plus grande bibliothèque d'input gratuite jamais constituée. Blogs de recettes, forums de sport, wikis de fans, chroniques d'opinion. L'astuce consiste à rester à l'intérieur du texte. Utilisez le surligneur web de Glasp pour surligner les mots et expressions que vous ne connaissez pas au fil de la lecture, afin de marquer de vrais manques en contexte plutôt que de recopier des mots isolés dans un dictionnaire. Quand une expression est vraiment déroutante, le chat IA de Glasp peut expliquer pourquoi elle est construite ainsi, là même où vous l'avez trouvée.

La vidéo est l'endroit où la plupart des apprenants calent, parce que le débit de parole d'un natif est brutal au début. C'est précisément là que les transcriptions vous sauvent. Passez une vidéo en langue étrangère dans YouTube Summary pour en extraire la transcription et les points clés, puis lisez en même temps que vous écoutez. Soudain, le déluge de paroles devient un input compréhensible que vous pouvez mettre en pause, relire et exploiter pour le vocabulaire. Un vlog de voyage en espagnol ou une chaîne de cuisine en japonais se transforme en leçon structurée sans que personne n'ait écrit de programme.

Cela se marie naturellement avec ce que nous avons écrit plus largement sur l'apprentissage à partir de YouTube : la vidéo est la matière brute, et la transcription plus vos surlignages sont ce qui convertit le visionnage en véritable acquisition.

L'objectif de tout cela, c'est la répétition avec de la variété. L'i+1 de Krashen n'est pas une seule phrase magique ; c'est un déluge d'input légèrement exigeant à travers de nombreux sujets, pour que la même grammaire et le même vocabulaire reviennent sous des habits différents jusqu'à ce que votre cerveau cesse de les percevoir comme étrangers.

Construire une bibliothèque personnelle d'input que vous pouvez réviser

Un input que vous avez compris une fois et que vous n'avez jamais revu est en grande partie gâché. Les apprenants qui progressent vraiment traitent leur input comme un atout à revisiter, et non comme un flux à consommer puis oublier. C'est le pont entre l'input de Krashen et la moitié « révision » de votre routine hebdomadaire.

Chaque surlignage que vous faites en lisant des articles en langue étrangère devient une partie d'une bibliothèque personnelle d'input compréhensible : une collection consultable et grandissante de langue réelle, à votre niveau, sur des sujets que vous avez choisis. Au fil des mois, cette bibliothèque devient un bien meilleur registre de votre apprentissage que n'importe quel paquet préfabriqué, car chaque entrée s'accompagne d'un contexte dont vous vous souvenez.

Les livres ont aussi leur place ici. Si vous lisez des livres en langue étrangère sur une liseuse Kindle, vos surlignages Kindle se synchronisent dans la même bibliothèque, de sorte qu'un roman que vous travaillez en italien alimente le même circuit de révision que les articles et les vidéos.

Puis bouclez la boucle. Exportez vos surlignages et transformez-les en cartes mémoire pour votre système de répétition espacée. Un surlignage est déjà accompagné de sa phrase, ce qui signifie que vos cartes ont un contexte intégré au lieu de simples paires de mots. C'est ce contexte qui rend la répétition espacée pour les lecteurs si efficace : vous ne mémorisez pas « manzana = pomme », vous retrouvez une phrase que vous aviez comprise un jour, ce qui est bien plus proche de la façon dont l'acquisition fonctionne réellement.

Le workflow en une ligne : lisez ou regardez, surlignez ce qui est à votre limite, exportez vers des cartes mémoire, révisez selon une planification FSRS, recommencez. L'input devient une mémoire retenue au lieu d'un agréable après-midi que vous oubliez d'ici jeudi.

Là où l'IA échoue (à lire avant de lui faire confiance)

L'honnêteté ici protège votre temps. L'IA est un puissant mécanisme de diffusion, mais elle a des modes de défaillance précis et bien documentés, et ceux qui la vendent les mettent rarement en avant.

Elle invente de la grammaire. Demandez à un modèle d'expliquer une règle et il répondra avec assurance à chaque fois, y compris quand il a tort. Il peut inventer des exceptions, mal énoncer l'accord en genre ou justifier une tournure « naturelle » qu'aucun natif n'emploierait. Pour la grammaire à enjeux élevés, vérifiez auprès d'une vraie référence ou d'un professeur. Une mauvaise réponse à la sonorité fluide est plus dangereuse qu'aucune réponse.

Le feedback sur la prononciation est indulgent. Le feedback textuel est solide ; l'oreille est plus faible. Les modèles acceptent souvent une prononciation qu'un locuteur natif signalerait, ce qui peut discrètement ancrer un accent plus difficile à corriger ensuite. Une vraie écoute humaine, ou au minimum un cours axé sur la phonétique, comble ce manque.

Les nuances culturelles et pragmatiques sont aplaties. Savoir quand une expression est grossière, intime, régionale ou sarcastique est la partie difficile et humaine de la fluidité, et c'est exactement ce que l'IA gomme. Elle vous enseignera volontiers une phrase correcte selon le manuel qui tombe à plat dans une vraie conversation.

Elle peut devenir un substitut confortable à la partie effrayante. Parler à une machine est sans risque, ce qui est formidable pour abaisser le filtre affectif de Krashen et désastreux si cela remplace le fait de parler un jour à une personne. Le frottement d'une vraie conversation fait partie de l'entraînement.

C'est pourquoi les sources les plus crédibles présentent l'IA comme la plus efficace lorsqu'elle est associée à des cours structurés de qualité, à une immersion culturelle et à une vraie interaction humaine, et non comme un substitut à tout cela. Servez-vous de l'IA pour multiplier vos répétitions et abaisser la barrière au démarrage. Servez-vous des humains et des cours structurés pour rattraper ce que l'IA ne peut pas voir. La combinaison bat l'un ou l'autre pris isolément.

Foire aux questions

Puis-je devenir fluide en utilisant uniquement l'IA ?

Probablement pas à un haut niveau. L'IA est excellente pour le volume d'input, la pratique de l'output à faibles enjeux et la révision, ce qui constitue l'essentiel du travail de fond. Mais elle corrige insuffisamment la prononciation, aplatit les nuances culturelles et invente parfois de la grammaire. Considérez-la comme le moteur des répétitions quotidiennes et associez-la à de vraies conversations humaines et à un cours structuré pour les parties qu'elle ne peut pas juger.

L'input compréhensible est-il vraiment meilleur que l'étude des règles de grammaire ?

Ce ne sont pas des ennemis. Krashen (1985) soutenait que l'input fait le gros du travail pour l'acquisition, et des décennies de données confirment que le volume d'input compte énormément. Mais l'étude explicite de la grammaire et l'output (Swain 1985) accélèrent la précision et vous aident à repérer les manques. Les meilleures routines utilisent l'input comme fondation et ajoutent par-dessus de la grammaire ciblée et de l'expression orale.

Quel outil de répétition espacée devrais-je utiliser ?

Anki faisant tourner l'algorithme FSRS est l'option par défaut validée par la recherche en 2026. FSRS prédit le moment où vous êtes sur le point d'oublier une carte et planifie la révision pour cet instant, ce qui est bien plus efficace que des intervalles fixes ou la relecture. Alimentez votre paquet avec le vocabulaire que vous avez réellement rencontré dans vos lectures et vos visionnages, et non avec une liste de fréquence générique, afin que chaque carte ait un contexte.

Comment rendre des vidéos YouTube de natifs compréhensibles quand on est débutant ?

Utilisez la transcription. Passez la vidéo dans YouTube Summary pour obtenir la transcription complète et les points clés, puis lisez en même temps que vous écoutez et mettez en pause librement. La transcription convertit le débit de parole d'un natif, autrement écrasant, en un input compréhensible que vous pouvez relire et exploiter pour de nouveaux mots.

De combien de temps par jour ai-je réellement besoin ?

Une heure par jour, répartie en gros en 20 à 30 minutes d'input, 15 à 20 minutes d'output quelques fois par semaine, et 10 minutes de révision quotidienne, fera progresser la plupart des gens de façon régulière. La régularité bat les séances marathon. Deux heures concentrées le dimanche perdent face à vingt minutes chaque jour, car l'espacement et la récupération fréquente sont ce qui construit une mémoire durable.

Conclusion

La science était établie bien avant l'arrivée des outils. Krashen nous a dit en 1985 que nous acquérons les langues à partir d'un input abondant, adapté au niveau et peu anxiogène. Swain nous a rappelé, la même année, que nous devons aussi produire de la langue pour vraiment la maîtriser. Ce qui manquait n'a jamais été la théorie. C'était un moyen bon marché, patient et toujours disponible de fournir l'input, de susciter l'output et de corriger les erreurs. C'est cette partie que l'IA a enfin résolue.

Construisez la boucle et laissez-la tourner : de l'input compréhensible chaque jour, de l'output quelques fois par semaine, une révision chaque jour, et un humain dans l'ensemble quand vous le pouvez. Ensuite, faites en sorte que votre input se cumule au lieu de s'évaporer.

Surlignez des articles et des vidéos en langue étrangère avec le surligneur web de Glasp pour bâtir une bibliothèque personnelle d'input compréhensible, rendez les vidéos difficiles compréhensibles avec YouTube Summary, faites entrer des livres étrangers grâce à vos surlignages Kindle, posez vos questions sur les expressions déroutantes avec le chat IA de Glasp, et exportez vos surlignages vers des cartes mémoire de répétition espacée pour que la langue que vous avez comprise un jour devienne la langue que vous conservez.