Avec lui, nous explorons une question devenue essentielle pour tous les professionnels de la formation, des ressources humaines et du management : comment apprendre, former et développer les compétences dans un monde où l’intelligence artificielle transforme profondément notre rapport au savoir ?


François Taddei nous invite à dépasser une vision classique de la formation centrée sur la transmission de contenus. Pour lui, l’enjeu majeur du XXIe siècle est de développer la capacité à apprendre à apprendre, à coopérer, à questionner, à expérimenter et à faire face à l’inconnu.


Dans cet épisode, nous parlons notamment :

- de la place de l’IA dans l’apprentissage,
- du risque de dépendance cognitive aux machines,
- de la curiosité et du droit à l’erreur,
- du learning by doing,
- de l’organisation apprenante,
- de l’intelligence collective,
- du rôle stratégique des DRH, responsables formation, formateurs, ingénieurs pédagogiques et

managers.

mode d'emploi pour Jan

Un module conçu avec l’ADEME, l’Arcep, l’IGN, ECOLAB, la Direction générale des entreprises (ministère de l’Économie), le DReDIS de la Sorbonne, Inria, Sciences Po et Telecom Paris pour faire le point sur ce que nous savons aujourd’hui de l’impact environnemental de l’IA et proposer des bonnes pratiques aux utilisateurs et utilisatrices.

Usages, pratiques et cadres d’appropriation

Les échanges permettront d’aborder la diversité des usages de l’IA générative dans les environnements éducatifs, ainsi que les questions liées à son appropriation par les enseignants. Seront discutés les cadres de compréhension en cours d’élaboration, les formes d’expérimentation observées et les tensions associées à l’intégration de ces outils dans les pratiques pédagogiques.

L’accent sera mis sur les apports des travaux de recherche et des retours de terrain pour éclairer ces transformations.

Accompagnement et perspectives pour l’éducation

Le webinaire mettra également en discussion les enjeux d’accompagnement des professionnels de l’éducation face à l’IA générative. Il s’agira d’interroger les besoins en formation, les dispositifs d’appui existants et les perspectives de structuration des usages.

voir les infographies

livre

Une étude soutient que les hallucinations dans les modèles de langage ne sont pas seulement des erreurs occasionnelles mais une caractéristique inévitable de ces systèmes. Les chercheurs démontrent dans l'étude que les hallucinations découlent de la structure mathématique et logique fondamentale des LLM. Il est donc impossible de les éliminer par des améliorations architecturales, des améliorations des ensembles de données ou des mécanismes de vérification des faits.

Leurs analyses s'appuient sur la théorie informatique et le premier théorème d'incomplétude de Gödel, qui fait référence à l'indécidabilité de problèmes tels que les problèmes de halte, de vide et d'acceptation. Les chercheurs affirment que chaque étape du processus LLM (de la compilation des données d'entraînement à la récupération des faits, à la classification des intentions et à la génération de textes) aura une probabilité non nulle de produire des hallucinations.

Dans l'étude, ils introduisent le concept d'"hallucinations structurelles" en tant que nature intrinsèque de ces systèmes. En d'autre terme, elles font partie intégrante de la structure mathématique et logique de tout modèle de langage à long terme. Toutes les hallucinations sont des hallucinations structurelles et ne peuvent jamais être éliminées des grands modèles de langage (LLM).

En examinant le processus de génération de sortie des LLM, quelle que soit la sophistication des modèles ou l'étendue des données d'apprentissage, chaque étape comporte une probabilité non nulle d'hallucination structurelle.

Scientific literature depends on the integrity of its references. Each reference implicitly asserts that a verifiable source exists and supports the claims being made. When references point to non-existent studies, readers, reviewers, and policy makers are unable to evaluate the evidence.
Fabricated references (references whose claimed titles correspond to no existing publication) can arise from paper mill activity, intentional misconduct, or uncritical use of artificial intelligence (AI) writing tools.1 Large language models (LLMs) generate plausible sounding but fictitious references, a well documented failure mode; previous studies estimate that 30–69% of LLM-generated references in biomedical contexts are fabricated.2,3 These references are often correctly formatted, attributed to real researchers, and bear plausible publication dates, making them difficult to detect by conventional peer review.4 To our knowledge, no systematic audit of reference integrity across the biomedical literature has been conducted until now.

en quoi l’IA m’a aidé, et qu’est-ce que j’aurais peut-être manqué sans mon propre esprit critique ?
voir schéma de fin sur usage de l'IA

à réfléchir en amont d'une intervention à distance sur l'IA

À l’heure de l’IA , le monde de l’éducation va devoir se recentrer sur ce qui est le plus fondamental, soit l’enseignement de compétences, soutient Pierre Poirier. Selon lui, raisonner, exercer son jugement, argumenter, structurer des idées, affronter des difficultés, repérer ses propres erreurs constituent autant d’aspects du processus d’apprentissage intellectuel qui permettent de progresser, de construire des compétences et une compréhension durables.

 Ce retour d'expérience vise à évaluer comment ces outils influencent l'apprentissage des étudiants, notamment en facilitant la structuration des idées, la préparation des présentations et le développement de compétences telles que l'esprit critique et la communication orale. Les résultats montrent une amélioration notable de la qualité des présentations et des échanges entre étudiants, accompagnée d'une réduction du temps de recherche d'informations. Toutefois, certaines dérives sont observées, telles qu'une utilisation passive de l'IAg menant à une dépendance excessive et à une baisse d'effort. Notre bilan et l'analyse des retours étudiants de cette expérience mettent en évidence un intérêt croissant pour cette approche, tout en soulignant la nécessité d'un encadrement pédagogique adapté afin d'optimiser les bénéfices tout en limitant les risques. Ce retour d'expérience permet d'émettre des recommandations pour une bonne intégration de l'IAg dans les formation des ingénieurs en exploitant son potentiel.