Ce tableau s’adresse aux responsables institutionnels, aux équipes techniques, ainsi qu’aux acteurs de terrain impliqués dans la transformation numérique. Il offre une vision pragmatique des opportunités offertes par l’IA, tout en soulignant les rôles potentiels de l’IA, les données mobilisables, et les précautions à prendre en matière de sensibilité des données.

Dans cet épisode d’Avides de Recherche, on explore donc l’histoire des sciences participatives, leurs promesses, leurs contradictions… et ce qu’elles peuvent vraiment changer pour la science et pour la démocratie.

Car si l’IA est perçue comme une possible entreprise de démolition de l’Ecole, en particulier des modalités traditionnelles d’évaluation, alors il nous faut envisager une reconstruction. Le chantier est ouvert pour les années à venir : en guise de vadémécum de rentrée, voici quelques pistes d’actions collectives pour éviter que l’IA ne favorise la paresse cognitive des élèves, pour qu’à l’âge de l’IA l’Ecole augmente toujours leur capacité à découvrir, écrire, réfléchir, créer, partager.

Qu’est-ce qu’un usage « judicieux » de l’IAg ?

Dans ce guide, un usage renvoie à l’utilisation d’un outil d’IAg en soutien à la réalisation de tâches pédagogiques.

Un usage de l’IAg est jugé judicieux lorsqu’il est perçu par la personne utilisatrice comme un levier et non comme un substitut à l’expertise humaine. Cela signifie qu’elle reste consciente de la manière dont l’outil d’IAg est utilisé : elle est capable de déterminer les tâches réalisées par l’outil et celles accomplies par un être humain. Cette conscience lui permet de garder le contrôle sur la production et de choisir de déléguer certaines tâches à l’outil. Le produit généré par l’IAg fait systématiquement l’objet d’une validation, cela demeure central pour assurer la pertinence et la qualité des contenus générés. On parle ici d’agentivité humaine.

Le premier, celui de Wikipédia, repose sur une médiation horizontale, délibérative et communautaire. Les contenus y sont entièrement traçables et discutables, grâce aux historiques de modifications et aux pages de discussion des articles, ouverts à tous. Le second, celui des LLMs, est invisible, algorithmique, non discutable. Ces dispositifs produisent du texte plausible, mais sans traçabilité ni débat contradictoire, et leur usage suppose des compétences spécifiques pour formuler des requêtes pertinentes, évaluer les réponses fournies, les trier et vérifier. Ces différences ne contredisent pas un point commun : Wikipédia et les LLMs entretiennent chacun une promesse d’égalité d’accès, pourtant illusoire.

Leur étude montre qu’il existe de nombreuses incertitudes, si bien que les effets concrets du numérique pour l’agriculture restent inconnus. Les travaux recensés ont tendance à estimer les bénéfices de la numérisation d’une activité agricole sans considérer les impacts associés à la matérialité des équipements requis. Cela amène à négliger les effets négatifs au profit d’effets positifs artificiellement augmentés. Huck et al. pointent aussi le manque de données sur le cycle de vie des équipements, la manière dont ils sont utilisés et les effets de leurs applications.

Une recherche-action menée dans une université britannique a testé une alternative : organiser des temps de dialogue autour des grilles d’évaluation, en amont des rendus de devoirs des étudiants puis après la restitution des notes. Plutôt que de découvrir les attendus une fois leur copie notée, les étudiants ont pu poser leurs questions à l’avance, commenter les termes ambigus, et co-construire une compréhension de ce qui était attendu.

Cet ouvrage ne se contente pas de répéter ces constats, mais cherche plutôt à identifier des leviers et des pratiques alternatives, portées par les enseignants eux-mêmes, pour répondre à leurs besoins spécifiques. En s’intéressant aux dispositifs locaux initiés par les acteurs éducatifs, l’ouvrage explore des modèles de formation plus collaboratifs, plus ancrés dans les réalités du terrain et fondés sur des valeurs partagées. Ces initiatives, souvent éloignées des formats traditionnels, offrent de nouvelles perspectives sur l’autoformation, la coformation et les pédagogies alternatives, en réponse à un besoin croissant de sens et de cohésion professionnelle.

Au travers des contributions de chercheurs issus de différentes universités, cet ouvrage propose un éclairage sur ces nouvelles dynamiques de formation, en mettant en avant les pistes et ressources susceptibles d’enrichir la formation et de renforcer l’engagement des enseignants dans leur développement professionnel.

on parle de développer une culture.

Celle-ci regroupe un certain nombre de connaissances (par exemple savoir identifier les systèmes qui reposent sur les IA ; connaître les motivations et les modèles des acteurs,..) ;

des aptitudes (comme par exemple comparer des moteurs de recherche ; savoir distinguer différents médias et la provenance des informations ; être capable de reconnaître des idées reçues des préjugés, des imaginaires ; être capable d’élaborer des contre-discours  à la désinformation et de les communiquer..) ;

enfin des valeurs (comme la défense de la liberté d’expression et d’opinion, de la propriété intellectuelle, la promotion de l’égalité des genres, l’engagement en faveur du respect de la vie privée..). Ce rapport donne des pistes intéressantes et montre comment l’EMI peut-être un espace de formation. Il me semble qu’il ne faut pas se limiter à des références techniques ou à des usages d’outils.

la mise en données du monde. Ce nouveau paradigme traverse tous les domaines de la société. Il repose sur une croyance selon laquelle la donnée constitue un élément de preuve objective. La quantification serait le meilleur moyen d’analyser, de maîtriser les phénomènes sociaux. Mais les savoirs reposent sur les hypothèses de ceux qui savent manipuler les données. On est à l’opposé de l’élaboration d’une pensée critique, comme on souhaite le faire en éducation. L’IA générative génère un grand nombre de données et leur traitement algorithmique porterait l’idée que le savoir serait fondé par la statistique. Ceci mérite d’être interrogé.

Comme pour d’autres technologies complexes telles que les smartphones, Internet ou même [l’écriture], il faudra du temps aux chercheurs pour comprendre pleinement l’étendue réelle des effets de l’IA sur la cognition et l’apprentissage. Au final, le tableau sera probablement nuancé et dépendra fortement du contexte et des cas d’utilisation.

La formation réflexive à l’enseignement est un apprentissage du métier ancré dans l’expérience du terrain autant que dans la recherche à son propos. Les défis à relever par l’école et ses professionnels exigent plus que jamais des savoirs collectivement consolidés. Les pratiques pédagogiques, quant à elles, ont besoin de s’affirmer et de se discuter pour revendiquer autonomie et fiabilité, reconnaissance et autorité. La professionnalisation de l’enseignement implique un « travail sur le travail » collectivement pratiqué et documenté.