Tutorat intensif et rattrapage des apprentissages

1. Le problème de politique publique : apprentissages perdus et rattrapage inégal

Après la fermeture des écoles due à la COVID-19, les systèmes ont été confrontés à un problème de politique publique : une perte d’apprentissages mesurable, persistante et inégale. Le tutorat intensif a été proposé comme réponse, parce que la littérature expérimentale antérieure le situait parmi les interventions à l’effet le plus élevé. Cette promesse ne tient comme programme qu’avec une dose, une modalité, qui tutore et un coût.

Résultat empirique. Wisenöcker et al. (2025) ont méta-analysé 763 tailles d’effet issues de 103 études dans 45 pays (avril 2020 à juin 2022). La perte moyenne était un d de Cohen = −0,20 (erreur type = 0,04, p < 0,001). Le seul modérateur significatif a été le domaine : les pertes ont été plus importantes en mathématiques. On les a aussi observées plus de deux ans après le début. Cette moyenne n’est pas un chiffre national mexicain.

Résultat empirique. Donnelly et Patrinos (2022) ont identifié huit études entre mars 2020 et mars 2021 : sept ont constaté une perte chez au moins une partie des participants ; l’une de ces sept a aussi constaté des gains dans un sous-groupe ; l’étude restante a constaté des gains. Quatre ont observé une hausse des inégalités.

Limite de source. La revue systématique de Dela Cruz et al. (2025) sur la perte et le rattrapage des apprentissages à partir de la pandémie de COVID-19 n’entre que par l’objet de son titre. On n’en affirme ni la magnitude, ni la direction, ni la couverture.

Résultat empirique. Angrist et al. (2021) modélisent la perte et les voies de rattrapage à partir d’évaluations de lecture dans les premières années en Éthiopie, au Kenya, au Liberia, en Tanzanie et en Ouganda. Les données suggèrent une perte d’une demi-année à plus d’un an. Un déficit en 3e année pourrait se traduire par 2,8 années d’apprentissage perdu à l’arrivée en 10e année. Les auteurs soutiennent qu’un enseignement ciblé et une pédagogie structurée pourraient améliorer les apprentissages, même au-delà des niveaux antérieurs à la COVID-19.

Résultat empirique. Singh et al. (2026) suivent un panel d’environ 19 000 enfants d’âge primaire dans le Tamil Nadu rural. En décembre 2021, les déficits étaient d’environ 0,73σ en mathématiques et de 0,34σ en langue, par rapport à des élèves du même âge dans les mêmes villages en 2019. Les deux tiers ont été rattrapés dans les six mois suivant la réouverture. La perte était régressive et le rattrapage, progressif. Un programme gouvernemental de remédiation extrascolaire a contribué pour environ 24 % au rattrapage de la cohorte.

Limite de source. L’étude longitudinale de Schult et al. (2026), fondée sur des évaluations obligatoires à grande échelle portant sur la manière dont les écoles se relèvent de la perte d’apprentissages liée à la pandémie, n’est citée que pour l’objet de son titre. On n’en affirme ni la trajectoire ni la vitesse de rebond.

Résultat empirique, de contexte de politique. Kraft et al. (2026) documentent que les écoles publiques des États-Unis ont entrepris un effort sans précédent pour étendre le tutorat après la COVID-19, en s’appuyant en partie sur les effets élevés de méta-analyses antérieures. Cette expansion transforme la question en une question d’évaluation de programmes : quel impact attendre à l’échelle, avec des épreuves indépendantes et la dose réelle.

La question de cette revue est explicite : quels effets du tutorat intensif les méta-analyses et les essais randomisés récents documentent-ils, sous quelles composantes de dose et selon qui tutore, et pourquoi ces effets se contractent-ils au passage à l’échelle ? L’objet est l’enseignement obligatoire (PreK–12). Chaque affirmation est étiquetée comme résultat empirique, cadre conceptuel ou inférence de conception. Aucune donnée du Mexique ni de l’Amérique latine n’est inventée.

2. Ce qu’est et ce que n’est pas le tutorat intensif

Cadre conceptuel. Le tutorat intensif désigne ici un ensemble de conception, non une étiquette : des séances fréquentes, plusieurs par semaine ; des groupes d’un à trois ou quatre ; une place dans la journée scolaire ; un tuteur stable et formé ; et un matériel aligné sur le curriculum ou sur une séquence structurée. Aucune étude n’utilise exactement cette liste comme définition juridique.

Résultat empirique. Nickow et al. (2024) trouvent que les effets tendent à être plus élevés avec des tuteurs enseignants ou paraprofessionnels, dans les années les plus précoces, au moins trois jours par semaine et pendant l’école. Un programme qui s’appelle tutorat et qui est offert une fois par semaine, hors horaire, avec de grands groupes et une rotation des tuteurs, n’est pas le même objet causal. Kortecamp et Peters (2024) opèrent deux ou trois fois par semaine, avec des tuteurs spécialement formés et une séquence allant des lettres aux histoires. Hamlin et al. (2026) font fonctionner des groupes de 2:1 ou de 3:1 dans des lycées. de Ree et al. (2023) mettent en œuvre un tutorat à haute dose dans trois écoles primaires d’un quartier à faibles revenus aux Pays-Bas. Fréquence élevée, petit groupe, tuteur formé et ancrage dans l’école sont les traits récurrents.

Finseraas et al. (2026) servent de contre-exemple de faible dose. Leur enseignement des mathématiques en petits groupes, pour des élèves de 7 à 9 ans, avait une dose plus basse, visait la population complète et recourait au retrait (pull-out) avec un temps d’enseignement fixe. Résultat empirique. Il n’y a pas d’effets significatifs 3,5 à 4,5 ans plus tard ; les estimations ponctuelles suggèrent un estompage d’environ 47 % à 58 %, selon la spécification. Une intervention qui se distingue par la dose et par la cible n’est pas un test de l’ensemble intensif.

Cadre conceptuel. Distinguer les objets évite de moyenner des interventions distinctes. Ce qui produit l’effet n’est pas que le «tutorat» figure dans l’organigramme, mais qu’une dose dense soit délivrée, dans l’horaire, avec continuité du tuteur et avec un petit groupe.

3. Méthode : revue narrative critique avec flux de sélection

Note méthodologique. Il s’agit d’une revue narrative critique, non d’une méta-analyse propre. Il n’y a ni double codage ni estimation agrégée des effets. La base a été l’API REST de Crossref le 21 octobre 2026 : 16 requêtes de 60 lignes, articles de revue depuis 2021, sur le tutorat intensif ou à haute dose, les méta-analyses et les essais, le tutorat en ligne, le tutorat entre pairs, la perte et le rattrapage, l’enseignement au niveau approprié, le National Tutoring Programme et le tutorat dans les pays en développement. Le criblage lexical est dans screen.py ; l’inclusion de 24 sources a été une sélection manuelle.

Étape du criblage	Notices
Requêtes Crossref (lignes par requête)	16 (60)
Notices uniques vérifiées (2021–2026)	382
Exclues pour année hors plage	0
Exclues : corrections, errata ou comptes rendus	0
Exclues : revues de qualité éditoriale douteuse	40
Exclues pour hors champ	107
Éligibles après le criblage	235
Incluses par sélection manuelle	24
Avec résumé utilisable	20
Citées seulement par le titre	4
Études latino-américaines incluses	0
Études de pays à revenu faible ou intermédiaire	2

Sur 382 notices uniques vérifiées, toutes dataient de 2021–2026. Zéro exclusion pour année, correction, erratum ou compte rendu. Ont été écartées 40 revues de qualité douteuse et 107 notices hors champ. Restaient 235 éligibles et 24 retenues par sélection manuelle, avec priorité pour les méta-analyses, les essais ou les devis à échantillon large dans l’enseignement obligatoire, et pour la pertinence quant à la dose, la modalité, qui tutore ou l’échelle. Vingt sources ont un résumé ; quatre ne sont citées que par le titre (Dela Cruz et al., 2025 ; Schult et al., 2026 ; Zhang et al., 2026 ; Zhang et Liu, 2022). Zéro étude latino-américaine. Deux portent sur des pays à revenu faible ou intermédiaire : Angrist et al. (2021) et Singh et al. (2026). Le découpage biaise vers les États-Unis et l’Europe. Inférence de conception, de méthode. Une revue limitée à Crossref n’affirme pas qu’il n’existe pas d’études latino-américaines ; elle affirme que ces 16 requêtes n’en ont récupéré aucune d’une qualité suffisante pour les 24.

4. Ce que montrent les méta-analyses et les essais randomisés

Résultat empirique. Nickow et al. (2024) méta-analysent des expériences de tutorat en PreK–12. L’effet agrégé est de 0,288 écart-type (erreur type = 0,029, p < 0,001). Les tailles tendent à être plus élevées avec des tuteurs enseignants ou paraprofessionnels, dans les années les plus précoces, au moins trois jours par semaine et pendant l’école. Ce 0,288 est une moyenne d’essais hétérogènes, non l’effet attendu d’un programme national la première année.

Résultat empirique. Kraft et al. (2026) étendent la méta-analyse à 263 essais contrôlés randomisés. Lorsqu’ils alignent mieux l’échantillon sur des programmes à grande échelle évalués par des épreuves standardisées indépendantes, les effets agrégés descendent à 0,16 à 0,22 écart-type, contre 0,40 dans l’échantillon complet, sous l’effet de la hausse d’échelle. Les auteurs explorent quatre hypothèses — le résumé ne les nomme pas — et documentent qu’un ensemble de traits de conception recommandés protège partiellement les programmes de cette atténuation. Ne citer que le 0,288 ou le 0,40 pour justifier une expansion massive, c’est choisir l’estimé le plus favorable, non le plus pertinent.

Résultat empirique. de Ree et al. (2023) évaluent un tutorat à haute dose dans trois écoles primaires d’un quartier à faibles revenus aux Pays-Bas. Après une année scolaire, l’effet en mathématiques est de 0,28 écart-type de la population nationale (p < 0,01) et peut rendre compte d’environ 40 % de l’écart de réussite en mathématiques entre élèves à revenus faibles et élèves à revenus élevés. Hamlin et al. (2026) évaluent, dans un essai de trois ans, un programme universitaire dans sept lycées : traitement n = 525 (groupes 2:1 ou 3:1) contre contrôle n = 438 (cours remédial). Le traitement a montré 0,13 ET (presque une demi-année d’apprentissage). Il n’y a pas eu de preuve que le 2:1 fût plus efficace que le 3:1. Le programme a été délivré à coût élevé.

Résultat empirique. Markovitz et al. (2022) évaluent des bénévoles d’AmeriCorps (Minnesota et Wisconsin Reading Corps) qui tutorent en individuel des élèves à risque, de la maternelle à la 3e année, dans un cadre de réponse à l’intervention. Ils répliquent un essai mené quatre ans plus tôt et évaluent le modèle à Milwaukee. En maternelle et en 1re année, un semestre a suffi pour des scores significativement plus élevés ; en 2e et en 3e année, les effets sont apparus après une année complète. Kortecamp et Peters (2024) ont assigné au hasard 185 élèves de maternelle et de 1re année, dans 13 classes, à un tutorat individuel à haute dose ou au seul enseignement de l’enseignant. L’analyse multiniveau indique que les élèves tutorés ont dépassé les élèves non tutorés sur plusieurs mesures. Le résumé ne publie pas de taille d’effet en écarts-types.

Résultat empirique. Seerup et al. (2025) ont mené un essai dans huit écoles primaires danoises, avec 72 élèves de six à sept ans à risque de difficultés en lecture. L’analyse primaire indique que le traitement a progressé davantage que le contrôle en littératie et en fonctions exécutives, sauf pour la mémoire verbale ; les différences ne sont pas statistiquement significatives. Des analyses exploratoires indiquent des effets positifs et significatifs sur des construits plus larges d’attention et de littératie, et des effets nuls en mémoire. Avec n = 72, un nul primaire ne démontre pas l’absence d’effet.

Finseraas et al. (2026), déjà cités comme contre-exemple de faible dose, ne trouvent pas d’effets significatifs 3,5 à 4,5 ans plus tard ; les estimations ponctuelles suggèrent un estompage d’environ 47 % à 58 %. Un effet de court terme n’est pas un effet de trajectoire.

Résultat empirique. Anger et al. (2026) ont assigné au hasard 839 élèves du secondaire en Allemagne à un tutorat en ligne pour élèves peu performants. L’effet d’intention de traiter sur les notes de mathématiques, six mois plus tard, a été de 0,06 écart-type et non significatif. Parmi ceux qui n’avaient pas reçu d’autres services de tutorat, le programme a amélioré les notes de 0,14. Dans les trajectoires non académiques, l’entrée en formation professionnelle dix-huit mois plus tard a été supérieure de 5 points de pourcentage, et de 12 points chez ceux qui n’avaient pas de tutorat préalable. Le résumé ne rapporte pas d’effet sur l’emploi ni sur les salaires.

5. Les composantes de la dose : fréquence, taille du groupe, horaire et continuité

Quatre pièces de la dose reviennent : la fréquence, la taille du groupe, l’intégration dans la journée et la continuité tuteur–élève, souvent mesurée par les leçons achevées. S’y ajoutent l’écart entre dose planifiée et dose délivrée, et le rôle de la pratique à la maison.

Résultat empirique, de fréquence. Kortecamp et Peters (2024) opèrent deux ou trois fois par semaine. Nickow et al. (2024) trouvent des effets plus grands avec au moins trois jours par semaine. Swanson et al. (2026), dans 69 écoles (N = 770, de la maternelle à la 5e année) randomisées vers un tutorat par des pairs plus âgés, par des adultes ou vers la pratique habituelle au YMCA, trouvent une intention de traiter modeste et significative sur le plan éducatif des adultes pour l’efficience des mots visuels, et des effets plus petits et non significatifs pour le tutorat entre âges. Recevoir 50 leçons ou plus (effet causal moyen chez les observants) a produit des gains substantiels pour les tuteurs en compréhension de passages et pour les tutorés en lecture de mots et en fluence, indépendamment du type de tuteur.

Résultat empirique, de taille du groupe. Robinson et al. (2025) ont assigné des élèves de la maternelle à la 2e année à un tutorat virtuel 1:1, 2:1 ou contrôle. Le tutorat virtuel a augmenté la littératie initiale de 0,05 ET pour tous et de 0,08 ET en excluant les apprenants de l’anglais et les élèves en situation de handicap. Le 1:1 a tendu à produire des gains plus élevés, surtout en dessous du référent (0,15 ET). Hamlin et al. (2026) ne trouvent pas de preuve que le 2:1 soit plus efficace que le 3:1 au lycée. Le corpus n’autorise pas «toujours 1:1».

Résultat empirique, d’intégration dans la journée. Ready et al. (2026) évaluent 12 semaines de tutorat virtuel de littératie pendant la journée scolaire (de la 1re à la 4e année) : intention de traiter d’environ 0,05 ET ; seuls 20 % ont reçu la dose recommandée ; 10 séances ou plus, 0,08 ET ; 20 ou plus, 0,26 ET. Placer le tutorat dans l’horaire ne garantit pas la dose. Finseraas et al. (2026) retirent l’élève avec un temps fixe. Nickow et al. (2024) observent des effets plus grands pendant l’école. L’horaire est une condition de la dose, non un substitut de celle-ci.

Résultat empirique, de dose délivrée. Shmoys et al. (2026) examinent le présentiel en direct, le virtuel en direct et le virtuel avec intelligence artificielle. Les taux de dose ont été assez bas dans les trois mises en œuvre. Toutes ont rencontré des problèmes d’agenda et de qualité du tuteur ; le présentiel, une communication insuffisante tuteur–enseignant et un filtrage des destinataires ; les deux virtuels, la technologie ; celui qui repose sur l’intelligence artificielle, l’absence de relations significatives adulte–élève. Sans agenda protégé, la dose planifiée ne devient pas une dose reçue.

Résultat empirique, de pratique à la maison. Bachmann et al. (2026) analysent 656 élèves de 2e et de 3e année bénéficiant d’un tutorat à fort impact en individuel dans 56 écoles à haut besoin. La dose scolaire de fluence prédisait la croissance hebdomadaire de la fluence en lecture orale ; la pratique de la lecture à la maison, non. Qui déplace la dose de l’horaire scolaire vers le foyer parie contre le prédicteur qui, ici, apparaît.

Composante	Preuve du corpus	Ce que cela suggère	Ce que cela ne permet pas d’affirmer
Fréquence	Nickow et al. (2024) : ≥3 jours/semaine. Kortecamp et Peters (2024) : 2–3/semaine. Swanson et al. (2026) : 50+ leçons (observants).	La dose achevée l’emporte sur l’offre nominale.	Un seuil universel de leçons.
Taille du groupe	Robinson et al. (2025) : 1:1 > 2:1 en littératie initiale virtuelle (0,15 ET sous le référent). Hamlin et al. (2026) : 2:1 ≈ 3:1 au lycée.	Le 1:1 importe davantage chez les lecteurs débutants en retard.	Que le 1:1 soit toujours supérieur.
Horaire	Nickow et al. (2024) : effets plus élevés à l’école. Ready et al. (2026) : ITT 0,05 ET ; 20 % avec la dose recommandée. Finseraas et al. (2026) : pull-out de faible dose.	L’horaire est le levier de la participation.	Que «dans l’horaire» suffise sans protéger l’agenda.
Dose délivrée	Shmoys et al. (2026) : taux bas dans les trois modèles. Ready et al. (2026) : 20 % reçoivent la dose recommandée.	Le goulet d’étranglement est la délivrance.	Un pourcentage ou un coût universels.
Pratique à la maison	Bachmann et al. (2026) : c’est la dose scolaire qui prédit, non la pratique à la maison.	Prioriser la séance scolaire.	Que le foyer soit sans pertinence pour d’autres résultats.

6. Modalité virtuelle et qui tutore : enseignants, bénévoles, pairs et machines

La modalité et le profil de qui tutore changent le coût, l’offre de personnel et la taille de l’effet. Le corpus n’autorise pas un classement unique ; il autorise en revanche à ne pas les traiter comme interchangeables.

Résultat empirique, de modalité virtuelle. Robinson et al. (2025) présentent, selon les auteurs, le premier essai de tutorat virtuel pour de jeunes enfants : 0,05 ET (0,08 ET en excluant les apprenants de l’anglais et les élèves en situation de handicap), inférieurs aux effets typiques des programmes présentiels de littératie initiale. Ready et al. (2026) ancrent le virtuel dans la journée scolaire : 0,05 ET d’intention de traiter et 0,26 ET parmi ceux qui achèvent la dose recommandée. Anger et al. (2026) trouvent une intention de traiter non significative (0,06 ET) et 0,14 ET dans le sous-groupe sans tutorat préalable. Shmoys et al. (2026) comparent le présentiel, le virtuel en direct et le virtuel avec intelligence artificielle : les trois délivrent des doses basses. Le virtuel n’est ni nul ni l’équivalent automatique du présentiel à haute dose.

Résultat empirique, de qui tutore. Nickow et al. (2024) observent des effets plus grands avec des enseignants ou des paraprofessionnels. Markovitz et al. (2022) montrent que des bénévoles d’AmeriCorps, dans un cadre de réponse à l’intervention, produisent des effets répliqués en littératie du début du primaire. Hamlin et al. (2026) montrent que des tuteurs universitaires produisent 0,13 ET en mathématiques au lycée, à coût élevé. Le profil vient empaqueté avec la formation, les matériels et la dose.

Le tutorat entre pairs et entre âges est un autre objet. Résultat empirique. Chang et al. (2025) examinent 32 études et observent un effet positif, de faible à modéré : 0,34 au global, 0,33 pour les tutorés et 0,39 pour les tuteurs, sans différences significatives selon les séances, le type de tuteur, le risque ou le domaine. Hidayat et Saad (2025) méta-analysent 24 travaux avec 3311 participants sur le tutorat entre pairs en STEM : 1,23 sur la réussite scolaire (intervalle de confiance à 95 % : 0,75 à 1,70, p < 0,001) et 0,40 sur d’autres résultats (0,20 à 0,59, p < 0,001). Le 1,23 n’est pas comparable, sans plus, au 0,288 de Nickow et al. (2024) ni au 0,16–0,22 de Kraft et al. (2026).

Résultat empirique. Swanson et al. (2026) opposent des tuteurs adultes et des pairs plus âgés qui délivrent Sound Partners dans des programmes extrascolaires. L’intention de traiter favorise de façon modeste les adultes pour l’efficience des mots visuels ; la différence entre adultes et pairs n’est pas significative. À dose complète, tuteurs et tutorés gagnent indépendamment du type. Des leçons structurées peuvent réduire la variabilité du tuteur ; elles ne transforment pas n’importe quel pair en enseignant.

Limite de source et contraste d’objet. La méta-analyse de Zhang et al. (2026) sur les systèmes de tutorat intelligents et l’autorégulation n’est citée que pour l’objet de son titre. On n’en affirme ni la magnitude, ni la direction, ni l’équivalence avec le tutorat humain. Shmoys et al. (2026) identifient, dans une mise en œuvre virtuelle avec intelligence artificielle à faible dose, l’absence de relation significative adulte–élève comme un obstacle ; cela n’évalue pas les systèmes de tutorat intelligents en tant que famille.

7. Le problème de l’échelle : pourquoi les effets se réduisent

Le problème de l’échelle est que l’objet que l’on met à l’échelle est rarement l’objet qui a été mis à l’essai. Kraft et al. (2026) en sont l’argument central : en passant de l’échantillon complet de 263 essais (0,40 ET) à des études d’équivalence plus grande vis-à-vis de grands programmes évalués par des épreuves standardisées indépendantes, l’effet agrégé se situe entre 0,16 et 0,22 ET, sous l’effet de la hausse d’échelle. Un ensemble de traits de conception recommandés — non détaillé dans le résumé — protège partiellement contre cette atténuation. Mettre à l’échelle sans protéger l’ensemble est une décision de mise en œuvre, non une loi statistique.

Les points de perte sont observables. Shmoys et al. (2026) identifient l’agenda, la qualité du tuteur, la communication tuteur–enseignant, la technologie et, dans le modèle avec intelligence artificielle, la relation. Ready et al. (2026) montrent que seuls 20 % reçoivent la dose recommandée (0,05 ET d’intention de traiter contre 0,26 ET avec 20 séances ou plus). Swanson et al. (2026) montrent le même hiatus entre offrir le programme et achever 50 leçons ou plus. L’échelle multiplie ces hiatus.

Le coût est l’autre limite, et le corpus le quantifie à peine. Hamlin et al. (2026) indiquent qu’un programme universitaire avec 0,13 ET a été délivré à coût élevé. Ils ne publient pas de chiffre par élève. Chang et al. (2025) valorisent le tutorat entre âges, entre autres, pour ses avantages économiques ; cette valorisation est celle des auteurs, non un coût comparé.

Finseraas et al. (2026) rappellent que, avec une faible dose et la population complète, la trace à 3,5–4,5 ans n’est pas significative et les estimations ponctuelles suggèrent un estompage d’environ la moitié. Singh et al. (2026) montrent qu’une remédiation extrascolaire gouvernementale a contribué pour environ 24 % au rattrapage de la cohorte en six mois. Attribuer tout le rattrapage post-pandémie au tutorat ignore le reste de ce rattrapage de cohorte et les deux tiers associés au retour à l’école.

Maillon	Ce qui se perd	Ancrage
Dose planifiée	Agenda, groupe plus grand, tuteur qui tourne.	Nickow et al. (2024) ; Shmoys et al. (2026).
Dose délivrée	Participation basse, technologie, communication tuteur–enseignant.	Shmoys et al. (2026) ; Ready et al. (2026) : 20 % ; Swanson et al. (2026) : 50+ leçons.
Effet dans l’essai	L’ITT dilue les observants ; la mesure peut être proche du programme.	Ready et al. (2026) : 0,05 ITT vs 0,26 avec 20+ séances. Swanson et al. (2026). Anger et al. (2026) : ITT 0,06 n.s.
Effet à l’échelle	La cible d’inférence change ; l’échelle est associée à des effets moindres.	Kraft et al. (2026) : 0,16–0,22 ET vs 0,40 dans l’échantillon complet.

8. Amérique latine et Mexique : preuves absentes et transfert prudent

Le corpus ne contient pas d’études latino-américaines : 0 sur 24. Les 16 requêtes dans Crossref n’ont pas récupéré, avec une qualité éditoriale suffisante, d’essais ou de synthèses à échantillon large sur le tutorat intensif ou sur la perte et le rattrapage réalisés en Amérique latine ou au Mexique. Cette absence est une limite de cette revue, non une preuve que la région n’a pas produit de recherche. La déclarer évite d’importer le 0,288 de Nickow et al. (2024) ou le 0,40 de Kraft et al. (2026) comme paramètres nationaux.

La preuve issue de pays à revenu faible ou intermédiaire provient de deux sources. Angrist et al. (2021) estiment, dans cinq pays africains, une perte d’une demi-année à plus d’un an, et modélisent 2,8 années en 10e année à partir d’un déficit en 3e année ; ils proposent un enseignement ciblé et une pédagogie structurée. Singh et al. (2026) documentent, dans le Tamil Nadu rural, une perte importante et régressive, un rattrapage rapide et progressif, et une contribution d’environ un quart par un programme gouvernemental extrascolaire. Aucune des deux n’est une carte du Mexique.

Ce qui suit est une inférence de conception, non un résultat empirique mexicain : cela ne décrit ni des programmes existants ni des chiffres nationaux.

Inférence de conception, pour le Mexique. Première : un dispositif qui laisse la dose l’après-midi, le week-end ou sur une plateforme à la maison choisit le maillon le plus fragile (Nickow et al., 2024 ; Ready et al., 2026 ; Shmoys et al., 2026). Deuxième : le Conseil technique scolaire (Consejo Técnico Escolar) est un candidat naturel pour la communication tuteur–enseignant que Shmoys et al. (2026) identifient comme une défaillance du modèle présentiel ; ce n’est pas une évaluation des conseils techniques. Troisième : les étudiants des écoles normales en stage (normalistas) ou les étudiants en service social, avec une formation et des matériels structurés, sont l’analogue local des enseignants, des paraprofessionnels, des bénévoles dotés d’un cadre et des universitaires (Nickow et al., 2024 ; Markovitz et al., 2022 ; Hamlin et al., 2026) ; ils ne sont pas, du seul fait d’exister, des tuteurs à haute dose. Quatrième : prioriser le début du primaire en lecture et en mathématiques est cohérent avec le corpus et n’est pas une couverture universelle (Nickow et al., 2024 ; Kortecamp et Peters, 2024 ; Markovitz et al., 2022 ; Robinson et al., 2025 ; Seerup et al., 2025 ; de Ree et al., 2023 ; Wisenöcker et al., 2025). Cinquième : un système qui ne mesure pas les séances reçues, la continuité du tuteur et la taille réelle du groupe évalue l’organigramme, non le programme (Ready et al., 2026 ; Swanson et al., 2026 ; Shmoys et al., 2026).

9. Implications de conception pour les écoles et les systèmes

Les règles qui suivent sont une inférence de conception dérivée du corpus, non un nouveau résultat causal ni un calcul de coût-efficacité.

1. Protéger la dose dans l’horaire scolaire. Un programme qui existe dans le plan annuel et non dans l’horaire hebdomadaire n’est pas du tutorat intensif (Nickow et al., 2024 ; Ready et al., 2026 ; Shmoys et al., 2026).
2. Maintenir des groupes petits et stables, d’un à trois ou quatre, sans supposer que le 1:1 soit toujours supérieur. La taille se choisit avec l’année, la matière et le coût (Robinson et al., 2025 ; Hamlin et al., 2026).
3. Préserver la continuité du tuteur. Faire tourner les tuteurs pour combler des trous dilue la dose sans changer le nom du programme (Nickow et al., 2024 ; Kortecamp et Peters, 2024 ; Shmoys et al., 2026).
4. Utiliser des matériels structurés et alignés sur une séquence de compétences. Le matériel ne remplace pas le tuteur ; il réduit l’improvisation lorsque le tuteur n’est pas un enseignant expert (Kortecamp et Peters, 2024 ; Swanson et al., 2026 ; Angrist et al., 2021).
5. Suivre la dose délivrée, et non seulement la dose inscrite. L’indicateur opérationnel est le nombre de séances reçues par élève, avec le même tuteur, dans la taille de groupe prévue (Swanson et al., 2026 ; Ready et al., 2026 ; Shmoys et al., 2026).
6. Évaluer avec des épreuves indépendantes du matériel du tuteur lorsque la cible de politique est la réussite générale (Kraft et al., 2026).
7. Fixer des attentes réalistes d’effet à l’échelle. L’ordre de grandeur de l’opération réelle est plus proche de 0,16–0,22 ET, de 0,13 ET ou de 0,05 ET d’intention de traiter que de 0,288 ou de 0,40 (Kraft et al., 2026 ; Hamlin et al., 2026 ; Robinson et al., 2025 ; Ready et al., 2026 ; Nickow et al., 2024).
8. Prévoir la persistance, et non seulement le semestre de lancement. Un programme qui s’éteint lorsque revient la «normalité» parie sur la conservation spontanée de l’effet d’une année ; le corpus ne garantit pas cette conservation (Finseraas et al., 2026 ; Anger et al., 2026).

La question de politique est une question d’allocation : qui est priorisé, avec quel tuteur, à quel coût, et avec quel seuil de dose délivrée on reconçoit. Le corpus n’y répond pas pour le Mexique ; il empêche un oui ou un non génériques.

10. Limites

La base est exclusivement Crossref. On n’a pas interrogé ERIC, PsycINFO, SciELO ni Redalyc. Les 16 requêtes et le criblage lexical de screen.py sont reproductibles ; la sélection finale de 24 sources est manuelle et n’a pas de double codage. Quatre sources ne sont citées que par le titre. La prédominance géographique est celle des États-Unis et de l’Europe. Zéro étude latino-américaine. Deux portent sur des pays à revenu faible ou intermédiaire (Angrist et al., 2021 ; Singh et al., 2026), et aucune n’est un essai de tutorat intensif à haute dose. Le transfert au Mexique est une inférence, non une donnée.

Les mesures sont hétérogènes : épreuves proches du programme, épreuves reconnues au plan national, notes, fluence en lecture orale, fonctions exécutives, entrée en formation professionnelle. En faire la moyenne en prose serait une méta-analyse informelle. Plusieurs essais ont de petits échantillons — Seerup et al. (2025) avec 72 élèves ; Kortecamp et Peters (2024) avec 185 dans 13 classes — et, à titre d’inférence de cette revue, les petits essais à effets élevés pourraient être surreprésentés en raison d’un biais de publication ; la baisse des effets lorsque l’échantillon et l’échelle sont alignés, documentée par Kraft et al. (2026), est compatible avec ce risque, même si leur résumé ne l’attribue pas à cette cause. Le coût apparaît comme une donnée qualitative (Hamlin et al., 2026). Rien de ce qui précède n’autorise à gonfler ni à annuler les signes publiés.

11. Conclusions

Le tutorat intensif est une politique de dose, non une étiquette de rattrapage. Nickow et al. (2024) documentent un effet agrégé de 0,288 ET dans des essais de terrain, plus élevé avec des enseignants ou des paraprofessionnels, dans les années précoces, au moins trois jours par semaine et pendant l’école. Ce résultat soutient que l’ensemble existe ; non qu’un système qui inscrit «tutorat» dans son plan observera 0,288 ET à une épreuve nationale.

Kraft et al. (2026) trouvent 0,16 à 0,22 ET lorsque l’échantillon est aligné sur de grands programmes et des épreuves indépendantes, contre 0,40 dans l’échantillon complet. Shmoys et al. (2026), Ready et al. (2026) et Swanson et al. (2026) montrent le mécanisme : la dose délivrée reste inférieure à la dose planifiée. Hamlin et al. (2026) ajoutent que 0,13 ET au lycée peut être significatif et coûteux. Finseraas et al. (2026) rappellent qu’une intervention de moindre dose peut ne laisser aucune trace des années plus tard.

Qui tutore, et selon quelle modalité, n’est pas un détail logistique. Les enseignants et les paraprofessionnels concentrent les effets les plus grands (Nickow et al., 2024) ; les bénévoles dans un cadre structuré produisent des effets répliqués (Markovitz et al., 2022) ; les universitaires, des effets à coût élevé (Hamlin et al., 2026) ; les pairs, une preuve de faible à modérée et, en STEM, d’une magnitude plus élevée non comparable (Chang et al., 2025 ; Swanson et al., 2026 ; Hidayat et Saad, 2025). Le virtuel fonctionne avec des effets plus petits chez les lecteurs débutants et dépend de la dose achevée (Robinson et al., 2025 ; Ready et al., 2026). Les systèmes de tutorat intelligents sont un objet distinct, non un substitut démontré.

L’Amérique latine et le Mexique ne figurent pas dans la preuve incluse. Angrist et al. (2021) et Singh et al. (2026) documentent la perte et le rattrapage en Afrique et en Inde. Transférer l’ensemble au Mexique est une inférence : horaire protégé, coordination tuteur–enseignant, tuteurs formés — y compris des normalistas ou le service social universitaire —, priorité au début du primaire en lecture et en mathématiques, et mesure de la dose délivrée.

La question qui demeure n’est pas de savoir si le tutorat «sert». C’est quelle dose est délivrée, dans l’horaire, par qui, à qui l’on donne la priorité et à quel coût, et avec quelle épreuve on déclare le succès.

Laboratoire éditorial de NEXTECH.IA / Ingeniero Mitre

Références

1. Anger, S., Christoph, B., Galkiewicz, A., Margaryan, S., Sandner, M., & Siedler, T. (2026). Online tutoring, school performance, and school-to-work transitions: Evidence from a randomized controlled trial. European Economic Review, 187, 105362. https://doi.org/10.1016/j.euroecorev.2026.105362
2. Angrist, N., de Barros, A., Bhula, R., Chakera, S., Cummiskey, C., DeStefano, J., Floretta, J., Kaffenberger, M., Piper, B., & Stern, J. (2021). Building back better to avert a learning catastrophe: Estimating learning loss from COVID-19 school shutdowns in Africa and facilitating short-term and long-term learning recovery. International Journal of Educational Development, 84, 102397. https://doi.org/10.1016/j.ijedudev.2021.102397
3. Bachmann, J. L., Witmer, S. E., Solanki, P., Ma, W., Truckenmiller, A. J., Parker, D. C., & Windram, H. (2026). Exploring School and Home Contributions to Reading Growth Within a High-Impact Tutoring Program in High-Needs Schools. Reading & Writing Quarterly, 42(1), 1–17. https://doi.org/10.1080/10573569.2025.2517602
4. Chang, A., Mauer, E., Wanzek, J., Kim, S., Scammacca, N., & Swanson, E. (2025). Examining the Academic Effects of Cross-age Tutoring: A Meta-analysis. Educational Psychology Review, 37(1), Article 19. https://doi.org/10.1007/s10648-025-09997-z
5. Dela Cruz, N. A., Adona, A. J., Molato-Gayares, R., & Park, A. (2025). Learning loss and recovery from the COVID-19 pandemic: A systematic review of evidence. International Journal of Educational Development, 115, 103271. https://doi.org/10.1016/j.ijedudev.2025.103271
6. de Ree, J., Maggioni, M. A., Paulle, B., Rossignoli, D., Ruijs, N., & Walentek, D. (2023). Closing the income-achievement gap? Experimental evidence from high-dosage tutoring in Dutch primary education. Economics of Education Review, 94, 102383. https://doi.org/10.1016/j.econedurev.2023.102383
7. Donnelly, R., & Patrinos, H. A. (2022). Learning loss during Covid-19: An early systematic review. PROSPECTS, 51(4), 601–609. https://doi.org/10.1007/s11125-021-09582-6
8. Finseraas, H., Nyhus, O. H., Salvanes, K. V., & Sandsør, A. M. J. (2026). Longer-Term Effects of Low-Dosage Tutoring in Mathematics. Journal of Research on Educational Effectiveness. https://doi.org/10.1080/19345747.2026.2744641
9. Hamlin, D., Peltier, C., & Reeder, S. (2026). Effects of a University-Led High-Impact Tutoring Program on Low-Achieving High School Students: A 3-Year Randomized Controlled Trial. American Educational Research Journal. https://doi.org/10.3102/00028312261450125
10. Hidayat, R., & Saad, M. R. M. (2025). A Meta-analysis of the effect of peer tutoring in Science, Technology, Engineering and Mathematics (STEM) subjects. International Journal of Educational Research Open, 8, 100446. https://doi.org/10.1016/j.ijedro.2025.100446
11. Kortecamp, K., & Peters, M. L. (2024). The Impact of a High-Dosage Tutoring Program on Reading Achievement of Beginning Readers: A Multi-Level Analysis. Journal of Education for Students Placed at Risk (JESPAR), 29(3), 291–309. https://doi.org/10.1080/10824669.2023.2179056
12. Kraft, M. A., Schueler, B. E., & Falken, G. T. (2026). What Impacts Should We Expect From Tutoring at Scale? Exploring Meta-Analytic Generalizability. Review of Educational Research. https://doi.org/10.3102/00346543261446660
13. Markovitz, C. E., Hernandez, M. W., Hedberg, E. C., & Whitmore, H. W. (2022). Evaluating the Effectiveness of a Volunteer One-on-One Tutoring Model for Early Elementary Reading Intervention: A Randomized Controlled Trial Replication Study. American Educational Research Journal, 59(4), 788–819. https://doi.org/10.3102/00028312211066848
14. Nickow, A., Oreopoulos, P., & Quan, V. (2024). The Promise of Tutoring for PreK–12 Learning: A Systematic Review and Meta-Analysis of the Experimental Evidence. American Educational Research Journal, 61(1), 74–107. https://doi.org/10.3102/00028312231208687
15. Ready, D. D., McCormick, S. G., & Shmoys, R. J. (2026). The Effects of In-School Virtual Tutoring on Student Reading Development: Evidence from a Short-Cycle Randomized Controlled Trial. Journal of Education for Students Placed at Risk (JESPAR), 31(4), 291–311. https://doi.org/10.1080/10824669.2026.2615787
16. Robinson, C. D., Pollard, C., Novicoff, S., White, S., & Loeb, S. (2025). The Effects of Virtual Tutoring on Young Readers: Results From a Randomized Controlled Trial. Educational Evaluation and Policy Analysis, 47(4), 1245–1265. https://doi.org/10.3102/01623737241288845
17. Schult, J., Fauth, B., Schneider, R., & Lindner, M. A. (2026). How schools rebound from pandemic learning loss: Longitudinal findings from mandatory large-scale assessments. Learning and Instruction, 101, 102263. https://doi.org/10.1016/j.learninstruc.2025.102263
18. Seerup, J. K., Dietrichson, J., Jensen, V. M., & Bingley, P. (2025). Tutoring Young Children at Risk of Developing Reading Difficulties: Effects of an Early Tutoring Intervention on Literacy Skills and Executive Functions. Journal of Education for Students Placed at Risk (JESPAR), 30(4), 365–395. https://doi.org/10.1080/10824669.2025.2468701
19. Shmoys, R., McCormick, S., Bretas, S., Ready, D. D., McCarty, G., & Matulewicz, E. (2026). The Dosage Dilemma: Implementation Evidence on the Barriers to High-Dosage Tutoring. Educational Researcher, 55(7), 432–441. https://doi.org/10.3102/0013189x261437761
20. Singh, A., Romero, M., & Muralidharan, K. (2026). COVID-19 Learning Loss and Recovery. Journal of Human Resources, 61(5), 1499–1535. https://doi.org/10.3368/jhr.0723-13025r2
21. Swanson, E., Mauer, E., Vaughn, S., Roberts, G., Wanzek, J., Fall, A.-M., Shanahan, E., & Sandmel, K. (2026). Effects of Cross-Age Tutoring Implementation and Dosage on Reading Outcomes for Tutors and Tutees. Journal of Research on Educational Effectiveness. https://doi.org/10.1080/19345747.2026.2719452
22. Wisenöcker, A. S., Helm, C., Große, C. S., Hübner, N., & Zitzmann, S. (2025). A meta-analysis of students’ academic learning losses over the course of the COVID-19 pandemic. Learning and Instruction, 98, 102111. https://doi.org/10.1016/j.learninstruc.2025.102111
23. Zhang, E., & Liu, Y. (2022). Effects of private tutoring intervention on students’ academic achievement: A systematic review based on a three-level meta-analysis model and robust variance estimation method. International Journal of Educational Research, 112, 101949. https://doi.org/10.1016/j.ijer.2022.101949
24. Zhang, K., Zhou, Y., Zhang, C., & Chen, J. (2026). The Effects of Intelligent Tutoring Systems on Self-Regulated Learning: A Meta-Analysis. Educational Psychology Review, 38(1), Article 103. https://doi.org/10.1007/s10648-026-10199-4