L'IA au service des apprentissages : trois livrables clés pour transformer l'enseignement supérieur

La table ronde organisée à l'École normale supérieure à a réuni entrepreneurs de l'edtech et experts de l'intelligence artificielle pour discuter des conditions de déploiement de l'innovation technologique dans les apprentissages. Trois axes de travail prioritaires y ont été identifiés pour accompagner le développement de l'intelligence artificielle dans l'enseignement supérieur.

RAGaRenn

Baptisé RAGaRenn, le premier chantier concerne le déploiement d'une infrastructure RAG, pour « Retrieval Augmented Generation», ou « génération augmentée de récupération », qui permet de sécuriser et fiabiliser le recours à l'IA. Spécifiquement conçu pour répondre aux besoins des universités, « RAGaRenn permet d'associer des sources de données fiables à un modèle de langage, afin d'obtenir des réponses précises et contextualisées », explique Olivier Wong-Hee-Kam, vice-président numérique de l'université de Rennes et l'un des concepteurs du projet^{[ 1 ]}Christophe Batier a consacré un webinaire au RAGaRenn, avec Olivier Wong-Hee-Kam.. En adossant les modèles de langage à des bases de connaissances spécifiques et/ou internes à une organisation, les infrastructures RAG permettent ainsi de déployer des solutions d'IA souveraines qui visent à offrir aux établissements un meilleur contrôle sur les flux de données.

Charte IA

Le deuxième axe de travail porte sur l'élaboration d'une charte de référence pour encadrer l'utilisation des IA génératives par les étudiants et les enseignants. Avec l'objectif de garantir un usage éthique de l'IA, une telle charte à l'avantage de proposer « un cadre qui protège les utilisateurs tout en maximisant les bénéfices pédagogiques de l'IA », souligne Aude Guéneau, présidente d'EdTech France et fondatrice de l'assistant d'écriture intelligent Plume. Cette charte, dont une version développée par l'université de Rennes est consultable ici, devrait également aider à harmoniser les pratiques entre établissements.

Évaluer l'efficacité

Enfin, le troisième chantier vise à développer une méthodologie de mesure d'impact des solutions d'IA sur les apprentissages. « Nous devons être capables de démontrer l'efficacité des IA sur les résultats éducatifs », insiste Bertrand Monthubert, coordinateur du programme Atypie-Firendly ^{[ 2 ]}Programme national pour rendre l'enseignement supérieur inclusif pour les personnes avec un trouble du neuro-développement. et président du groupe de travail Data Governance du Partenariat mondial de l'IA. Entrepreneur Edtech fondateur de Lalilo, Laurent Jolie plaide pour une approche progressive qui tienne compte des moyens financiers limités des jeunes entreprises : « aux États-Unis, on distingue trois niveaux de preuve, cela permet aux start-ups de démontrer l'efficacité de leurs solutions de manière graduelle, en fonction de leur maturité. »

Facteurs de succès

Parmi les principaux enjeux d'une IA au service de la réussite éducative évoqués en conclusion, c'est Cédric O, ancien ministre chargé du Numérique, membre fondateur de Mistral AI et de The Marshmallow Project, qui souligne l'importance de développer l'esprit critique chez les utilisateurs pour comprendre les capacités et les limites des outils d'IA. Derrière l'excellence de la forme, « ce n'est que de la statistique », souligne-t-il. Pour Christiane Caneva, cheffe du service de la didactique universitaire et des compétences numériques à l'Université de Fribourg, il importe de « repenser la question de l''évaluation et des compétences à continuer de développer alors que les IA peuvent très bien faire un certain nombre de tâches. »

Avec l'idée que la juste place donnée au numérique n'est pas dans le remplacement mais dans l'outillage et l'assistance, Erwan Paitel, inspecteur général de l'éducation du sport et de la recherche et rapporteur de la commission sur l'IA, pointe lui l'importance de « maintenir un lien humain entre enseignants et jeunes générations : l'IA et le numérique sont à utiliser comme vecteurs pour réhumaniser ce qui se passe dans la classe et non le virtualiser. » Et d'insister : « l'IA ne doit pas être un palliatif à une forme de médiocrité. »

C.Q.F.D. consensuel conclusif : l'avenir de la pédagogie à l'ère de l'IA dépendra de notre capacité à équilibrer innovation technologique et valeurs éducatives fondamentales.