voir les cas d'usage pour l'ESS et les cartes enjeux

Ainsi, l’enjeu central de ce numéro 157 d’Édurevue est de lever le voile sur le paradoxe de la scolarité des jeunes ruraux·ales : à résultats scolaires équivalents, pourquoi leurs trajectoires diffèrent-elles de celles des jeunes urbain·es ? Comment le territoire façonne-t-il en partie les choix d’orientation et les parcours dans l’enseignement secondaire puis supérieur ? Pour apporter des éléments de réponse, l’Édurevue se décline en trois parties. La première propose de comprendre comment les catégorisations des jeunesses et élèves ruraux·ales se sont construites à travers des travaux scientifiques et institutionnels. La partie suivante analyse les facteurs qui président aux choix d’orientation des élèves ruraux·ales au cours de l’enseignement secondaire. Enfin, la dernière partie croise deux entrées pour rendre compte de leurs parcours dans le supérieur : la dimension structurelle de l’offre de formation selon les territoires, et les variables sociales et de genre qui pèsent sur les choix d’orientation après le baccalauréat.

Alors que le milieu scolaire commençait à peine à intégrer les IA génératives « classiques », le rapport intitulé État de la situation sur les impacts sociétaux de l’intelligence artificielle et du numérique souligne l’émergence rapide des systèmes d’IA agentive. Tel que mentionné dans le document, ces systèmes se définissent comme des « systèmes autonomes capables de prendre des décisions de manière indépendante grâce à des fonctions d’auto-apprentissage, sans supervision humaine régulière ». En éducation, cela signifie des tuteurs automatisés capables de structurer les savoirs et de s’auto-évaluer.

L’application de C.A.R.E. sur des fermes amène notamment à identifier et chiffrer les pratiques nécessaires à la préservation des capitaux naturels et humains (eau, sols, biodiversité, climat) : planter des haies, réduire le travail du sol, ajouter des couverts végétaux, se verser un salaire décent, rendre le travail ergonomique…

Cette approche n’est pas théorique. Elle a déjà été mise en œuvre, avec succès, dans des contextes très différents : en Ille-et-Vilaine, avec des coopératives agricoles, au sein du groupe Carrefour, ou encore avec l’association Fermes d’avenir. A chaque fois, avec le même résultat : ce que l’on croyait impossible à chiffrer – comme la santé d’un sol, la qualité d’un cours d’eau ou le bien-être des agriculteurs – devient mesurable, et donc pilotable. On quantifie l’impact environnemental des exploitations comme on quantifie leur production de biens, ce qui déplace les curseurs de la performance.

Courant février, ces enseignants ont découvert que, depuis deux ans, le ministère de l’agriculture, de l’agroalimentaire et de la souveraineté alimentaire enjoignait aux directeurs de leurs établissements de ne plus recruter ni sociologue ni politiste. Selon nos informations, cette directive a été formulée par la direction générale de l’enseignement et de la recherche (DGER) – l’une des quatre directions du ministère de l’agriculture – dans les lettres d’objectifs adressées à trois établissements au moins (AgroParisTech, Institut Agro – Dijon, Rennes-Angers et Montpellier

voir à partir de la p. 96 état des connaissances pour l'apprentissage

Nos travaux montrent ainsi que les systèmes agro-écologiques ont le potentiel technique pour concilier production alimentaire et forte amélioration des performances environnementales dans des contextes très variés. Alors pourquoi la transition agroécologique n’a-t-elle pas déjà eu lieu ?

Sans doute le problème se trouve-t-il ailleurs, notamment dans la logique socioéconomique des chaînes amont-aval dans lesquelles l’agriculture se trouve insérée, dans les conditions de travail et la rémunération des agriculteurs et dans le poids politique sur l’action publique qu’ont acquis les acteurs qui contrôlent ces secteurs.

Ressources sur l'EMI

vérification des informations et point de vue engendré par le prompt

Le projet AI4T vise à explorer et à soutenir l’utilisation de l’IA dans le domaine de l’éducation, à travers la conception, la mise en œuvre et l’évaluation d’un parcours de formation continue à l’attention des enseignants.

Développé dans le cadre de ses travaux à l’Université de Lausanne, le modèle PRAX-IA articule quatre dimensions de compétences à mobiliser dans les usages pédagogiques de l’IA :

    Technique : comprendre le fonctionnement des IA génératives, leurs limites, leur logique probabiliste.
    Pratique : savoir choisir les bons outils, les utiliser à bon escient, et intégrer leurs apports dans une démarche réflexive.
    Critique : exercer son esprit critique sur les contenus générés, valider les sources, détecter les biais.
    Éthique : respecter les cadres juridiques, la transparence, la responsabilité, et la sobriété numérique.

Ce référentiel permet aux enseignants de cartographier les compétences visées dans leurs évaluations, et d’identifier celles qui peuvent être partiellement déléguées à l’IA, et celles qui doivent rester humaines.