Dans sa configuration actuelle, l’IA générative présente des risques significatifs pour les apprentissages. Parmi les préoccupations majeures figurent l’affaiblissement possible de la pensée critique, la réduction de l’effort cognitif, la fragilisation des relations pédagogiques et les effets sur le bien-être psychosocial.

Burns et al. (2026) défendent toutefois une approche constructive. L’IA peut enrichir l’enseignement supérieur si elle est mobilisée comme outil d’appui, et non comme substitut aux processus intellectuels fondamentaux. Le rapport s’articule autour de trois axes :

    Prosper[prospérer]: concevoir des usages de l’IA qui renforcent l’engagement et l’apprentissage en profondeur ;
    Prepare [préparer]: développer la littératie en IA des étudiantes et étudiants et soutenir la formation continue du personnel enseignant ;
    Protect [protéger]: assurer la protection des données, l’intégrité académique et le bien-être face à des technologies parfois conçues selon des logiques d’engagement intensif.

Pour les universités, l’enjeu est stratégique : encadrer l’IA dès maintenant afin d’aligner innovation technologique, exigences scientifiques et responsabilité éducative.

exemple d'utilisation de l'IAG dans l'enseignement.
vidéo de 5 min

aide mémoire

Rapport explicatif

Ces cinq questions ne sont pas des problèmes à régler par des ajustements techniques. Elles signalent une inadéquation entre les formes héritées de l’évaluation et les exigences d’une formation confrontée à la transformation numérique du travail. Les réponses existent. Elles supposent de reformuler les questions.

plus à jour pour une partie, mais ok pour la partie explication de l'IA

Cet atelier a pour objectif de comprendre les processus, risques et bonnes pratiques liées à l'Intelligence Artificielle Générative (IAg), à partir d'une pédagogie ludique et collaborative directement inspirée de La Fresque du Climat et de la Fresque du Numérique. Le but est avant tout de sensibiliser et former les participantes et participants pour leur permettre de comprendre le fonctionnement, l'ampleur et la complexité des risques liés aux outils d'IA générative. À l'issue de cet atelier, chaque stagiaire sera en mesure de s'approprier et d'intégrer les bonnes pratiques autour de l'usage de ces outils.

À travers un exemple pratique, il s'agira d'explorer le potentiel des modalités "sans numériques" pour une formation à l'IST. Aussi ce stage se déroulera en deux temps:
- tout d'abord, un atelier collectif sur la notion d'intelligence artificielle : partant du constat que le raz-de-marée médiatique observé depuis 2022 engendre une adoption à marche forcée des IA génératives et une multiplication des mésusages, il paraît nécessaire d'inviter nos publics à reprendre la main sur ces technologies et ce qu'elles impliquent. Pour cela, nous réfléchirons aux manières de déconstruire avec nos usagers 4 grands mythes de l'IA:  
   - "L'IA a commencé avec chatgpt"  
    - "L'IA sert à générer du texte"
    - "L'IA raisonne comme un cerveau humain "
- "L'IA remplace google (qui remplace les bibliothécaires) pour trouver de l'information"
À partir de cet atelier pratiqué collectivement, nous interrogerons la pertinence de modèles de formation aux compétences informationnelles basés sur la mise à distance provisoire des outils numériques:
- en abordant des notions de sobriété numérique
- en pointant leur intérêt et leurs limites pédagogiques
Enfin nous essaierons de co-construire des pistes de formation (ou de séquences de formation) aux compétences informationnelles sans outils numériques.

Les trois ressources présentées (une cartographie d’outils IA pour l’inclusion, un site IA inclusif d’apprentissage en ligne et un guide sur « L’IA au service de la CUA – Conception Universelle des Apprentissages » ) se complètent dans leur utilisation pour accompagner les acteurs de la formation dans une démarche d’inclusion redéfinie par l’IA.

cet article met en lumière des profils d’usages différenciés et souligne un enseignement clé : former à l’IA ne conduit pas à l’intensification des pratiques, mais à un usage plus critique et réfléchi.

Le concept d’étayage est crucial. L’IA générative ne fonctionne que si vous construisez l’architecture intellectuelle qui l’encadre. Cela signifie en pratique :

    Savoir décomposer un problème complexe en sous-étapes.
    Identifier précisément où l’IAg peut intervenir (et où elle ne le peut pas).
    Vérifier systématiquement chaque sortie avec rigueur.
    Intégrer les résultats dans une structure cohérente que vous contrôlez.

Ces compétences ne s’improvisent pas. Elles s’acquièrent par l’apprentissage approfondi, l’erreur, la correction et la pratique répétée. Déléguer votre réflexion à une machine sans construire cet étayage revient à abandonner le développement de votre propre intelligence structurante.

avec prompts

Un protocole robuste pour vos requêtes

Pour appliquer le prompting avancé dans votre pratique quotidienne, voici un protocole de requête inspiré du ToT et de la relecture critique, prêt à l’emploi :

    Exploration : « Propose trois pistes d’analyse réellement différentes (cadres théoriques, hypothèses, angles morts). Ne rédige pas encore la réponse finale. »
    Évaluation : « Pour chaque piste, indique une force, une limite, et un risque de biais. »
    Consolidation : « Construis une réponse finale en intégrant ce qui résiste le mieux aux limites identifiées. »
    Relecture critique : « Relis la réponse finale et repère toute confusion terminologique ou les contradictions, puis reformule. »

Ce protocole ne garantit pas la réponse absolue, mais il impose une discipline intellectuelle essentielle pour différencier les options, tester les arguments et corriger ce qui ne tient pas avant de conclure.