Intelligence artificielle et éducation : ce qui tient, ce qui ne tient pas

Le temps d'un enseignant part dans la préparation et dans l'administratif, pas dans le cours lui-même. C'est là, et presque uniquement là, que l'intelligence artificielle change quelque chose à l'éducation.

Les usages les plus vendus, l'évaluation automatique et le tuteur personnalisé, sont ceux qui tiennent le moins.

Ce qui marche : la préparation

Décliner un même exercice en trois niveaux de difficulté. Reformuler une consigne qui n'a pas été comprise en classe. Produire une trame de séquence à partir du texte du programme, que NotebookLM lit sans que vous ayez à le résumer. Préparer un support de différenciation pour deux élèves en particulier.

Le point commun de ces tâches : vous relisez tout avant que cela n'atteigne un élève. L'erreur du modèle est rattrapée, et elle est rattrapée par la personne qui connaît la classe.

Le geste concret n'est pas de demander un exercice à ChatGPT ou à Claude. C'est de leur donner deux de vos propres fiches, puis de demander la troisième dans la même forme. Un modèle imite très bien un modèle qu'on lui montre, et beaucoup moins bien une consigne abstraite. Pour comprendre pourquoi, voyez ce que fait réellement un modèle de langage.

Ce qui ne marche pas : la correction

Faire noter des copies par un modèle est techniquement possible, et c'est l'usage que nous déconseillons le plus fermement.

Une note produite par un modèle porte sur la forme du texte, sur sa longueur, sur la présence de mots attendus. Elle ne porte pas sur le raisonnement de l'élève, et elle ne se justifie pas devant une famille qui la conteste. Un enseignant qui ne peut pas expliquer une note ne peut pas la défendre.

L'outil peut relever des occurrences dans un paquet de copies. L'appréciation, elle, reste écrite par la personne qui a fait cours.

Le tuteur personnalisé, et pourquoi il déçoit

La promesse est ancienne : chaque élève accompagné à son rythme, par un système qui s'adapte. Elle bute sur un fait simple.

Un modèle conversationnel répond à tout, y compris quand il se trompe, et sans changer de ton quand il se trompe. L'élève capable de détecter l'erreur est celui qui n'avait pas besoin d'aide. Celui qui en avait besoin recopie.

Ce que fait un tuteur humain et qu'aucun outil ne fait : percevoir que le blocage n'est pas là où l'élève dit qu'il est.

Les données d'élèves : deux règles

Une copie identifie une personne, souvent mineure. La déposer dans un service grand public est un transfert de données personnelles vers un tiers, et cette décision appartient à l'établissement, pas à l'enseignant qui ouvre un onglet.

Première règle : rien qui identifie un élève ne part dans un compte personnel. Anonymiser avant, systématiquement.

Deuxième règle : tout ce qui prétend lire l'engagement, l'attention ou les émotions d'un élève par la caméra se refuse. L'AI Act classe ces usages parmi les plus encadrés en contexte éducatif, et ils sont vendus comme une tendance d'avenir. Ils n'en sont pas une pour vous.

Ce qu'on ne sait pas

Personne ne dispose aujourd'hui de mesure fiable de l'effet de ces outils sur les apprentissages. Les résultats circulant dans le secteur viennent des éditeurs, sur leurs propres déploiements, sans groupe témoin. Nous ne les reprenons pas, et la version précédente de cet article les reprenait.

Ce qui se mesure, en revanche, c'est votre temps de préparation. Comptez-le sur deux semaines avant, puis deux semaines après. C'est la seule preuve dont vous disposerez.

La compétence à acquérir tient en deux jours : les usages de préparation, et la frontière sur les données. Nous les travaillons en formation à l'IA générative, en présentiel, neuf apprenants au maximum par session. Un enseignant qui finance seul relève de nos formation IA pour les particuliers.

Prenez votre prochaine séquence. Donnez-en deux fiches à l'outil, demandez la troisième.