Deuxième partie : Quel cadre pédagogique avec nos étudiants ?

L’essor des IAg repose la question du contrat pédagogique passé entre les enseignants et les étudiants. Cette question dépasse largement la question de la triche, avec la nécessité de permettre à nos étudiants de développer des usages pertinents et éthiques, sachant que pour eux, l’usage de ces technologies est une évidence. Dans le cadre des apprentissages, le risque principal est qu’un recours inadéquat à de tels outils peut conduire à une illusion d’apprentissage qui à terme va pénaliser l’élève.

Le rôle de l’enseignant est donc de proposer un cadre pédagogique clair et aussi d’accompagner les étudiants dans leurs apprentissages. De fait, de nombreux étudiants ont développé des usages pertinents, mais parce que ces usages ne sont pas toujours reconnus et partagés, certains se trouvent désavantagés, voire démunis. De plus, si les usages autorisés ne sont pas explicités, les étudiants ne savent pas si leurs usages sont considérés comme pertinents, ou comme une triche. L’information et la formation des étudiants ne peuvent qu’être bénéfiques.

Comme nous allons le voir, l’usage des IAg peut varier suivant les cours, voir les objectifs précis d’une activité. Il est donc important de repréciser les règles qui prévalent dans chaque cours (voire dans chaque activité) et de les partager de manière explicite avec vos étudiants (et le reste de l’équipe pédagogique), non seulement à l’oral, mais aussi de manière écrite.

Quelles consignes donner aux étudiants ?

De manière générale, il est important de donner des consignes explicites au plus tôt dans un enseignement, et de manière à ce qu’elles soient effectivement comprises et appliquées.

Outre les principes de base qui s’appliquent à tous, deux principes de base sont à rappeler aux étudiants :

  1. L’étudiant est pleinement responsable du résultat qu’il fournit.
  2. L’étudiant veille à pouvoir démontrer sans ambiguïté qu’il a acquis les compétences visées durant sa formation.

Fournissez des instructions claires concernant votre cours. Pour les différentes activités et évaluations, plusieurs niveaux sont possibles

Type de consigne Exemple
Interdiction totale « L’usage d’IA générative n’est pas autorisé pour ce travail, car l’objectif est d’évaluer vos capacités d’expression personnelle. »
Autorisation partielle « L’usage d’une IA est autorisé pour reformuler, relire ou explorer des idées, mais pas pour rédiger le texte final. »
Autorisation encadrée « Vous pouvez utiliser une IA pour obtenir des exemples ou des explications, à condition de citer l’outil et de vérifier toutes les informations. »
Usage libre et réfléchi « Vous êtes libres d’utiliser une IA, mais vous devez documenter et justifier son usage dans votre rapport. »

Certaines universités (notamment québécoises) proposent des pictogrammes, ou balises, liés à ces niveaux d’usage dont vous pouvez vous inspirer :

Précisez si et comment les étudiants doivent déclarer leur usage des IAg. Cela peut se faire au travers d’une section dédiée dans un rapport, ou au travers d’une déclaration jointe à leur travail. Des déclarations types existent : voir celle de KU Leuven (en anglais), ou celles de l’UDS, disponible dans un kit complet d’usage).

Au niveau de votre formation, ou de votre établissement, utilisez une démarche commune en proposant des consignes et des procédures de déclaration type. Cela aidera les enseignants à préciser les modalités souhaitées et les étudiants à intégrer et respecter les consignes données.

Logiques sous-jacentes aux usages de l’IAg

Pour l’enseignant, la question est donc de déterminer quelles sont les consignes qui permettent d’atteindre les objectifs d’apprentissages visés. Pour vous guider dans vos choix d’usages autorisés, nous vous proposons trois axes de réflexion :

  • Ne pas contrarier les apprentissages ;
  • Baisser les barrières à l’apprentissage ;
  • Soutenir une pédagogie active.

Ne pas contrarier les apprentissages

L’usage de l’IAg ne doit pas remplacer l’effort cognitif dédié à l’apprentissage visé. La compréhension d’un nouveau concept, son appropriation, son activation dans une situation donnée ne peuvent être prises en charge par l’IAg.
Si les étudiants délèguent la tâche intellectuelle visée à l’IAg, le risque est une illusion d’apprentissage. Le guide de l’étudiant leur propose une validation de leurs apprentissages que vous pouvez leur suggérer d’activer.

Baisser les barrières à l’apprentissage

A contrario du point précédent, une situation d’apprentissage efficace doit viser à permettre de se focaliser sur l’apprentissage visé et de limiter les complexités annexes pouvant amener à une surcharge cognitive. N’hésitez donc pas à permettre pour une discipline donnée à permettre la correction, la reformulation ou la traduction de documents si cela permet de rendre le contenu plus accessible.
Dans le cadre d’entraînement, un feedback immédiat d’une IAg est préférable à aucun retour, et peut apporter une aide méthodologique.
L’IAg est ici vue comme facilitatrice d’apprentissage. Attention toutefois à ne pas rendre la tâche trop simple qui la rendra inintéressante, ou à recommander une aide surdimensionnée qui peut empêcher une prise d’autonomie de l’étudiant.

Soutenir une pédagogie active

L’IAg peut être intégrée dans une activité pédagogique en tant qu’outil d’exploration, de questionnement ou de co-construction. La génération d’alternatives peut être utilisée pour démarrer un travail critique à partir des propositions de l’IAg. Elle peut aussi servir de relance en demandant de compléter un travail préalable. Tous ces éléments peuvent servir de base à un travail de vérification et de discussion en groupe.
De manière générale, l’usage de l’IAg prend tout son intérêt dans un cadre favorisant l’analyse critique, (à des niveaux élevés dans la taxonomie de Bloom, analyse ou supérieur).

Ainsi, des chercheures comme Margarida Roméro incitent à viser des usages créatifs des IA en éducation :

De manière similaire (Perkins, Roe & Furze, 2024) proposent l’AIAS ou “AI Assessment Scale” qui est une échelle, ou cadre d’intégration de l’IA générative, dans les activité et les évaluations d’apprentissage, proposée sous forme de ressource éducative libre, et dont une traduction en français est disponible.

Ces initiatives posent des bases solides pour envisager l’usage des IAg encourageant une approche plus autonome, réfléchie, pour développer des processus cognitifs de plus haut niveau (au sens de la taxonomie de Bloom).

L’évaluation avec ou sans IAg

Il convient de limiter les évaluations pouvant pousser les étudiants à la triche. Les raisons principales de recours illicites aux IAg, sont d’abord liées à une surcharge de travail des étudiants, à l’enjeu ressenti de la tâche, à son manque d’authenticité, au manque de cadre clair. Bref, il est important de conserver un cadre de confiance pour limiter le recours à la triche, qu’elle passe par l’IAg ou par un autre moyen.

En étant aligné avec vos objectifs pédagogiques et avec les consignes données aux étudiants, les consignes d’évaluation visent à préciser l’usage d’outils d’IAg, tout comme l’usage d’autres outils (calculette scientifique, environnement de simulation, environnement de développement, …).

Ajoutons que les outils de détection de plagiat utilisés ces dernières années dans les établissements s’avèrent imparfaits face à la détection de l’usage d’IAg, ce qui peut mener à des situations d’accusations erronées et donc contraires à l’établissement d’un cadre de confiance.

La question du renouvellement des évaluations à l’ère de l’IA est partagée par l’ensemble de la communauté. De nombreux guides commencent à être disponibles. Parmi ceux-ci, nous recommandons le modèle PRAX-IA pour aider à positionner les pratiques d’évaluation dans un contexte influencé par l’intelligence artificielle générative. Proposé par Jeff van der Poël de l’université de Lausanne pour soutenir la réflexion collective sur les transformations nécessaires liées à l’essor des IAg, il est basé sur une revue de littérature sur les usages recensés d’une part, et est décliné sous forme d’outils pratiques. Son modèle permet d’aborder la question de l’évaluation soit sous l’angle de la remise en question des modalités existantes, soit sous l’angle d’une approche intégrée de l’usage de l’IA dans nos cours. La représentation graphique du modèle permet d’accéder à toutes les ressources liées. (une version V2 plus récente reste sous forme de version beta) - ll propose également un assistant sur chatGPT

La transformation des usages pédagogiques par l’IAg est néanmoins encore loin d’être stabilisée, autant parce que les outils évoluent que parce que les usages restent encore à être découverts et partagés. Les évaluations sont un point central, ne serait-ce que parce que les étudiants organisent leurs apprentissages d’abord par rapport à elles, comme nous le rappelle le principe de l’alignement pédagogique.

Ressources autour du cadre pédagogique pour les étudiants